[发明专利]一种水声脉冲信号的检测识别方法

说明书

本发明涉及水声信号处理技术，旨在提供一种水声脉冲信号的检测识别方法。包括：将水听器采集的水声音频数据进行短时傅里叶变换，得到二维矩阵，经预处理后获得固定大小的水声数据时频图像；输入目标检测模型进行训练，得到深度学习信号检测识别模型；利用深度学习信号检测识别模型，对水声脉冲信号进行检测和识别。本发明性能可靠，能够同时实现信号的检测和识别，结果准确。能够对时频图像中不同大小的信号同时进行检测识别，用于组合信号等多目标信号的检测识别问题，并能分别给出不同信号的参数估计。可以根据实际任务需求对目标种类进行调整，不仅能够识别信号的调试方式，还能根据人工标注类别的不同进行其他不同类型的区分。

技术领域

本发明涉及水声信号处理技术领域，尤其涉及一种水声脉冲信号的检测识别方法。

背景技术

水声信号处理技术是一种重要的海洋通信技术，主动发出的水声脉冲信号被广泛应用于水下的探测、侦查、通信等任务中，是海洋中非常常见的声信号形式。相比舰船壳体震动、机械摩擦发出的被动噪声，主动脉冲信号能够传播的范围更广，更容易被捕获，因此对此类信号的分析和处理能够在水下目标识别中发挥重要的作用。

水声信号的检测和识别一直是水声信号处理中的一项重要研究课题，在该研究课题中，往往将信号的检测和识别作为两个子课题分别进行研究，同时待检测和识别的信号往往具有缺少先验知识等特点。同时，随着声纳技术的不断进步，水声信号的形式越来越复杂，加上海洋中的信道复杂多变，对检测和识别算法的要求不断升高，分别设计检测器和识别器容易造成算法配合上的问题，对两者的性能尤其是识别器的性能造成不利影响。

发明内容

本发明要解决的技术问题是，克服现有技术中的不足，提供一种水声脉冲信号的检测识别方法。

为解决技术问题，本发明所采用的技术方案是：

提供一种水声脉冲信号的检测识别方法，包括以下步骤：

(1)将水听器采集的水声音频数据进行短时傅里叶变换，得到二维矩阵，经预处理后获得固定大小的水声数据时频图像；

(2)将水声数据时频图像输入目标检测模型进行训练，得到深度学习信号检测识别模型；

(3)利用深度学习信号检测识别模型，对水声脉冲信号进行检测和识别。

本发明中，所述步骤(1)具体包括：

(1.1)时频变换

采集到的水声音频数据包含未知脉冲信号与噪声，利用短时傅里叶变换将其转换为二维矩阵，用于表征音频数据中不同时刻在各个频段上的能量分布情况；

(1.2)颜色映射：

将二维矩阵通过取模和对数映射的方式映射至任意的色彩空间中，将二维矩阵转换为时频图像；颜色映射后，时频图像中的能量分布具有更为明显的特征；

(1.3)图像的裁剪和拉伸：

通过裁剪去除时频图像中频率大于二分之一采样率的部分，并将剩余部分拉伸至固定长宽比；该长宽比与目标检测模型的输入长宽比保持一致。

本发明中，所述步骤(1)具体包括：

(2.1)选定目标检测模型：

结合综合应用场景和实际任务需求，在现有卷积神经网络模型中选取能满足计算速度和检测精度要求的作为目标检测模型；然后根据模型的检测原理对卷积神经网络的感受野进行稀疏化处理，并利用随机丢弃方法增强模型的泛化能力；

(2.2)确定超参数：

通过手动调整或搜索方式确定选定目标检测模型的超参数；