[发明专利]一种水下微弱信号的非均匀量化神经网络融合检测方法

权利要求书

1.一种水下微弱信号的非均匀量化神经网络融合检测方法，其特征在于包括下述步骤：

第一步：利用声呐采集海洋中的声信号，记为g(t)，即为输入信号；输入信号g(t)同时含有目标特征信号与噪声信号的混合，即

g(t)＝s(t)+n(t) (1)

其中目标特征信号s(t)＝Acos(2πf₀t)，A为输入信号幅值，f₀为输入信号频率，n(t)为海洋背景噪声信号；

第二步：将步骤一中声纳接收到的信号g(t)通过一个带通滤波器，进行滤波降噪预处理；

第三步：以接收信噪比SNR为指示度，将信噪比区间非均匀划分为N个区间，信噪比越低的区间划分越细致，如-30dB到0dB区间可非均匀划分为15个区间，获取不同区间内含噪声信号样本，定义纯噪声信号样本属第N+1个区间，得到N+1种信号样本；

第四步：计算N+1种信号样本的R种测度值，测度值包括谱峰信噪比、谱峭度、谱相关系数、均方误差和平滑度，作为神经网络的训练样本，并将信号样本所属区间号作为期望标识；

第五步：构建非均匀量化神经网络测度融合模型，以R种测度值为网络输入，构建K层网络，定义目标输出y_i对应信号样本的N+1种信噪比区间，i＝1，2，...，N+1，每层网络的权重矩阵大小分别为[R*S₁]，[S₁*S₂]，...，[S_j-1*S_j]，...，[S_K-1*S_K]，[S_K*(N+1)]，偏置矩阵大小依次为[1*S₁]，[1*S₂]，...，[1*S_j]，...，...，[1*S_K]，[1*(N+1)]，其中S_j为对应每一层网络的神经元数，j＝1，2，...，K；设计网络激活函数为tanh，网络损失函数为交叉熵损失函数，迭代训练得到训练好的神经网络，保存训练好的神经网络对应的参数权重矩阵W；

第六步：将待检测信号的R种测度输入训练好神经网络中，通过参数权重矩阵W计算得到网络输出所属的y_i作为融合测度表征，以y_i作为检验统计量，根据特定虚警概率下的门限值，做出目标有无的判决，若融合测度值大于等于门限值，则判为无目标，若融合测度值小于门限值，则判为有目标。

2.根据权利要求1所述的水下微弱信号的非均匀量化神经网络融合检测方法，其特征在于：

所述第二步中，带宽为60Hz，通带最大衰减3dB，阻带最小衰减40dB。

3.根据权利要求1所述的水下微弱信号的非均匀量化神经网络融合检测方法，其特征在于：

所述谱峰信噪比的计算公式为：

N为对接收信号g(t)做离散傅里叶变化的采样点数，X(j)为g(t)的幅值谱序列，X(j₀)表示幅值最大的谱线，即谱峰，j为下标参量，j₀对应谱线的频率。

4.根据权利要求1所述的水下微弱信号的非均匀量化神经网络融合检测方法，其特征在于：

所述谱相关系数计算公式为：

和分别为X(j)和Y(j)的平均值，Y(j)为s(t)的幅值谱序列。

5.根据权利要求1所述的水下微弱信号的非均匀量化神经网络融合检测方法，其特征在于：

所述谱峭度计算公式为：

PX(j)为g(t)的能量谱序列，为能量谱序列的平均值。

6.根据权利要求1所述的水下微弱信号的非均匀量化神经网络融合检测方法，其特征在于：

所述均方误差计算公式为：

x[n]为g(t)的时间离散序列，y[n]为s(t)的时间离散序列，M为时间离散序列的点数。