專利名稱：基于小波域的水聲噪聲的檢測與識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于小波域的水聲噪聲(水聲噪聲分為船舶噪聲和海洋環(huán)境噪聲)的檢測與識別方法，涉及非平穩(wěn)信號處理、模式識別和數(shù)據(jù)挖掘等領(lǐng)域，能直接應用于海軍武器裝備的目標檢測與識別。
背景技術(shù)：
水聲技術(shù)是利用聲波對水中、海底以及海底以下目標進行探測、定位、跟蹤、識別以及水下通訊、導航等的方法與技術(shù)。1912年“泰坦尼克”號巨型客輪沉沒事件，促進了近代水聲技術(shù)的誕生。第一次世界大戰(zhàn)中，出現(xiàn)回聲定位聲納。第二次世界大戰(zhàn)中，水聲技術(shù)有較大發(fā)展，改進了聲納設(shè)備，且出現(xiàn)了聲制導魚雷和音響水雷。50年代以后，潛艇活動能力的增強與核潛艇的出現(xiàn)，水聲物理研究和信息論研究的進展以及無線電電子學、計算機科學和換能器技術(shù)、信號處理技術(shù)進步，對水聲技術(shù)的發(fā)展有很大促進。目前水聲技術(shù)除有廣泛的軍事用途以外，還用于海洋開發(fā)、海上石油開發(fā)、近岸工程、海洋漁業(yè)、海洋學以及海洋物理學的研究，并已成為重要的技術(shù)產(chǎn)業(yè)部門。ICASSP(International Conference of AcousticsSpeech and Signal Processing.聲納、語音和信號處理國際會議)每一屆與水聲信號處理有關(guān)的論文都在1-10％左右，這反映了它的受重視程度。
在水聲技術(shù)方面有著大量的研究工作，比如，海洋環(huán)境噪聲、聲納和主動回波、到達方向(DOA)估計、時延估計、跟蹤、定位、海豚(江豚)研究、通訊、聲波的海底反射、檢測、激光水下目標探測、三維物體識別的逆問題等方面的研究。
對水下探測器而言，其任務是要將艦船輻射噪聲從海洋環(huán)境噪聲中檢測出來，從而進行目標分類等后續(xù)處理。
作為艦船輻射噪聲的背景，海洋環(huán)境噪聲極為復雜。它的頻譜很寬，并隨著時間和地理位置的變化而出現(xiàn)變異，具有變化的統(tǒng)計特性，對發(fā)自相似聲源的聲的傳播特性有著很大影響。
艦船輻射噪聲可能是來自推動系統(tǒng)、螺旋槳、輔機、水動力效應或船體運動等方面，艦船機械源的噪聲級變化較大，潛艇可能只產(chǎn)生僅約10mW的聲功率，而水面艦船可能產(chǎn)生高達100W的聲功率。隨著船用材料發(fā)展，艦艇變得越來越安靜，它們反射的(主動系統(tǒng))或輻射的(被動系統(tǒng))窄帶或?qū)拵芰匡@著降低。艦船輻射噪聲和目標強度的降低使得聲納要處理的信號在功率上將要降低一個數(shù)量級。
在艦船輻射噪聲的信號性質(zhì)方面，經(jīng)典譜結(jié)構(gòu)理論認為艦船輻射噪聲譜有兩種根本不同的類型一種是有連續(xù)譜的寬帶噪聲，其噪聲級是頻率的連續(xù)函數(shù)；另一種是具有非連續(xù)譜的單頻噪聲，這種噪聲由出現(xiàn)在離散頻率上的線譜組成。艦船輻射噪聲在很大的頻率范圍內(nèi)由這兩類噪聲混合而成，并且可以表示為疊加有線譜的連續(xù)譜。
由已掌握的海洋環(huán)境噪聲和艦船輻射噪聲的知識知道，采用一種科學的方法將具有非平穩(wěn)性質(zhì)的艦船目標信號從海洋這個復雜環(huán)境中檢測出來，并對其進行目標分類等任務，將具有十分重要的軍事價值。同樣，其理論方法也可以為民用帶來巨大的經(jīng)濟價值。然而，對海洋環(huán)境和艦船輻射噪聲的認識從某種意義上來說尚處在一個初級水平的階段，對海洋環(huán)境和艦船輻射噪聲的分析建模是一個重大難題，在這個方向進行專項深入研究有著重要意義。
在建模方面，對海洋環(huán)境噪聲多假設(shè)為高斯分布的噪聲，沒有對其非高斯性進行深入研究和相應的建模研究。對船舶噪聲的建模以往主要從兩個方面進行，一方面是機理建模，即通過對船舶上的不同聲源的研究建立相應的機理模型，研究的代表性工作如陶篤純等利用船舶本身的結(jié)構(gòu)特征來研究產(chǎn)生的船舶噪聲(艦船噪聲節(jié)奏的研究—數(shù)學模型及功率譜密度.聲學學報.1983，8(2))；另一方面是通過對大量的船舶噪聲信號的統(tǒng)計分析建立模型，如許多文獻根據(jù)船舶噪聲具有連續(xù)不可導和非平穩(wěn)的特性，建立了分段自仿射IFS(迭代函數(shù)系統(tǒng))模型(船舶輻射噪聲的分段自仿射IFS模型.聲學技術(shù).1999，18(1)22-25)，提取出IFS參數(shù)并計算出IFS分形維數(shù)。另外一些文獻提出了一種適用于船舶噪聲的非平穩(wěn)ARMA模型(船舶輻射噪聲的非平穩(wěn)ARMA模型的建立.應用科學學報.1999，17(1)，18-25)等等方法都屬于統(tǒng)計建模方式。對前一種建模方式而言，在現(xiàn)實中由于船體本身結(jié)構(gòu)是十分復雜的，引起噪聲的聲源也十分繁多，傳播的信道途徑無法準確建模，因此建立一個準確的機理模型幾乎無法實現(xiàn)，而且不具有普遍性。后者是從統(tǒng)計分析的角度對船舶噪聲進行建模，但是模型的實用性較差，無法實現(xiàn)在海洋環(huán)境為背景下的船舶噪聲的檢測，并且運算量大，無法真正做到實用。這些統(tǒng)計方法雖然涉及了船舶噪聲的非高斯性，但沒有對船舶噪聲的非高斯性真正建模，并不能很好地描述和解釋船在不同工作狀態(tài)下船舶產(chǎn)生噪聲不同的原因。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足，提供一種基于小波域的水聲噪聲的檢測與識別方法，能對采集到的眾多海洋信號進行識別分類，從中檢測出目標信號，快速準確、虛警概率低。
為實現(xiàn)這樣的目的，本發(fā)明根據(jù)水聲噪聲的非高斯特性，在小波多尺度域提出了一種基于概率統(tǒng)計建模的水聲噪聲建模方法HMT(小波域隱馬爾可夫樹模型)。根據(jù)海洋環(huán)境噪聲的模型和船舶輻射噪聲模型的特征差異，提出一種新的基于Nyman-Pearson(奈曼-皮爾遜)準則的檢測方法，即將船舶噪聲對于海洋環(huán)境噪聲的HMT模型的似然值作為檢驗統(tǒng)計量，進行二元假設(shè)檢驗。另一方面，提出了基于HMT模型的船舶噪聲新的分類方法，將檢測樣本對不同類型船舶的HMT模型的似然值形成一個描述檢測樣本的特征向量，判別船舶噪聲的類型。
本發(fā)明的方法具體包括如下步驟(1)采集船舶噪聲信號和海洋環(huán)境噪聲作為訓練樣本，將這些信號分別減去各自的均值，之后除以各自信號中絕對值最大的量，分別對它們進行小波分解，選擇的小波為Haar小波。在某一尺度上有一組小波系數(shù)，這樣就形成了以這一組小波系數(shù)為根的一組二叉樹。假設(shè)每一個節(jié)點上描述小波系數(shù)的隨機變量具有兩個狀態(tài)，小波域的樹狀結(jié)構(gòu)形成。
(2)利用小波域的樹狀結(jié)構(gòu)，采用EM(數(shù)學期望最大化)算法并按照下面的公式建模建立HMT模型(小波域隱馬爾可夫樹模型)θ={pSi(m),ϵi,ρ(i)mn,μi,m,σi,m2|i=1,···,P;n,m=1,2}]]>其中pSi(m)概率權(quán)值函數(shù)，εi，ρ(i)mn為轉(zhuǎn)移概率矩陣，μi，m為小波系數(shù)均值，σi，m2為小波系數(shù)方差。得到船舶噪聲HMT模型和海洋環(huán)境噪聲HMT模型。
(3)基于HMT模型的船舶噪聲信號檢測以一秒作為采集間隔，采集時間為0.25秒，將實時采集的觀測信號輸入到海洋噪聲的HMT模型中，得到似然值；將似然值作為檢驗統(tǒng)計量，根據(jù)Nyman-Pearson準則，在給定虛警概率下計算出閾值，當似然值小于閾值時表示船舶噪聲被檢測出來。
實時采集的觀測信號實際是海洋背景噪聲和船舶噪聲的疊加，其中的船舶噪聲信號代入海洋環(huán)境噪聲信號的HMT中，將得到一個很小的似然值，而將海洋環(huán)境噪聲信號代入海洋環(huán)境噪聲HMT中，將得到一個大的似然值。由此可以得出從海洋噪聲中檢測出船舶噪聲的依據(jù)。
(4)基于HMT模型的船舶噪聲的識別將檢測樣本分別送入步驟2中得到的不同類型的船舶噪聲HMT模型中，得到相對于各個模型的似然值，若最大的兩個似然值之差大于0.1，則將似然值最大的那個模型的類別屬性作為該檢測樣本的類別，否則再進行基于似然值向量的判別。
(5)基于似然值向量的判別將訓練樣本中不同類別的船舶噪聲信號相對于各個HMT的似然值組成的向量來描述其類別屬性，并用這些向量訓練一個分類器。將檢測樣本相對于各個HMT模型的似然值形成似然值向量，再將這似然值向量送入分類器中，最終判別其類別屬性。
本發(fā)明將船舶噪聲、海洋噪聲的HMT模型與Nyman-Pearson準則相結(jié)合，以檢驗樣本帶入海洋噪聲HMT模型的似然值為檢驗統(tǒng)計量，使得對船舶噪聲的檢測能力提高。利用船舶噪聲的HMT模型和似然值向量訓練的分類器作為識別船舶噪聲的方案，使得識別率和穩(wěn)健性提高。
具體實施例方式
1.用512Hz的采樣率采集0.25秒的船舶噪聲信號(不同橫距，不同航速，不同噸位以及不同海況情況下的)和海洋環(huán)境噪聲x(t)，長度為128點。將這些信號作為訓練樣本，首先去掉x(t)的均值，得到x1(t)。對x1(t)做歸一化處理(除以各自信號中絕對值最大的量)，得到s(t)。然后選擇小波為Haar小波，分別對s(t)進行小波分解，最大尺度為5，在第5尺度上的小波系數(shù)個數(shù)為8，這樣就形成了以這8節(jié)點為根的8棵二叉樹。每一個節(jié)點上的小波系數(shù)具有兩個狀態(tài)M＝2，小波域的樹狀結(jié)構(gòu)形成。
2.利用小波域的樹狀結(jié)構(gòu)，采用EM(數(shù)學期望最大化)算法，得到不同橫距，不同航速，不同噸位以及不同海況情況下的船舶噪聲和海洋環(huán)境噪聲各自的HMT模型。
θ={pSi(m),ϵi,ρ(i)mn,μi,m,σi,m2|i=1,···,P;n,m=1,M}]]>其中pSi(m)概率權(quán)值函數(shù)，εi，ρ(i)mn為轉(zhuǎn)移概率矩陣，μi，m為小波系數(shù)均值，σi，m2為小波系數(shù)方差。
小波系數(shù)方差。得到船舶噪聲HMT模型和海洋環(huán)境噪聲HMT模型。
3基于HMT模型的船舶噪聲信號檢測以一秒作為采集間隔，采集時間為0.25秒，采樣率為512Hz，128點。將實時采集的觀測信號輸入到海洋噪聲的HMT模型中，得到似然值；將似然值作為檢驗統(tǒng)計量，根據(jù)Nyman-Pearson準則，在給定虛警概率(pf＝10-6)下計算出閾值，當似然值小于閾值時表示船舶噪聲被檢測出來。
4基于HMT模型的船舶噪聲的識別將檢測樣本分別送入步驟2中得到的包括客輪、油輪、驅(qū)逐艦、護衛(wèi)艦、交通艇、常規(guī)潛艇和核潛艇在內(nèi)的不同類型的船舶噪聲HMT模型中，得到檢測樣本相對于這些船舶噪聲模型的似然值，若這些似然值中最大的兩個之差大于0.1，則將似然值最大的那個模型的類別屬性作為該檢測樣本的類別，否則再進行基于似然值向量的判別。
5基于似然值向量的判別將訓練樣本中不同類別的船舶噪聲信號相對于各個HMT的似然值組成的向量，用這一向量來描述訓練樣本的類別屬性，并用這些向量訓練一個分類器。將檢測樣本代入各個不同類型的船舶噪聲HMT模型，得到似然值并將它們形成似然值向量，再將這似然值向量送入訓練好的分類器中，最終判別其類別屬性。
權(quán)利要求
1.一種基于小波域的水聲噪聲的檢測與識別方法，其特征在于包括如下步驟(1)采集船舶噪聲信號和海洋環(huán)境噪聲作為訓練樣本，將這些信號分別減去各自的均值，之后除以各自信號中絕對值最大的量，分別對它們進行小波分解，選擇的小波為Haar小波，在某一尺度上有一組小波系數(shù)，形成以這一組小波系數(shù)為根的一組二叉樹，每一個節(jié)點上描述小波系數(shù)的隨機變量具有兩個狀態(tài)，小波域的樹狀結(jié)構(gòu)形成；(2)利用小波域的樹狀結(jié)構(gòu)，采用數(shù)學期望最大化算法并按照下面的公式建模建立小波域隱馬爾可夫樹HMT模型θ={psi(m),ϵi,ρ(i)mn,μi,m,σi,m2|i=1,···,P;n,m=1,2}]]>其中psi(m)概率權(quán)值函數(shù)，εi，p(i)mn為轉(zhuǎn)移概率矩陣，μi，m為小波系數(shù)均值，σi，m2為小波系數(shù)方差，得到船舶噪聲HMT模型和海洋環(huán)境噪聲HMT模型；(3)基于HMT模型的船舶噪聲信號檢測以一秒作為采集間隔，采集時間為0.25秒，將實時采集的觀測信號輸入到海洋噪聲的HMT模型中，得到似然值；將似然值作為檢驗統(tǒng)計量，根據(jù)奈曼-皮爾遜準則，在給定虛警概率下計算出閾值，當似然值小于閾值時表示船舶噪聲被檢測出來；(4)基于HMT模型的船舶噪聲的識別將檢測樣本分別送入步驟2中得到的不同類型的船舶噪聲HMT模型中，得到相對于各個模型的似然值，若最大的兩個似然值之差大于0.1，則將似然值最大的那個模型的類別屬性作為該檢測樣本的類別，否則再進行基于似然值向量的判別；(5)基于似然值向量的判別將訓練樣本中不同類別的船舶噪聲信號相對于各個HMT的似然值組成的向量來描述其類別屬性，并用這些向量訓練一個分類器，將檢測樣本相對于各個HMT模型的似然值形成似然值向量，再將這似然值向量送入分類器中，最終判別其類別屬性。
全文摘要
一種基于小波域的水聲噪聲的檢測與識別方法，首先對船舶噪聲和海洋環(huán)境噪聲進行去均值和幅值歸一化處理，再對其進行小波域的多尺度域分解并建立小波域隱馬爾可夫模型，根據(jù)海洋環(huán)境噪聲的模型和船舶輻射噪聲模型的特征差異，提出一種基于Nyman－Pearson準則的檢測方法，即將船舶噪聲對于海洋環(huán)境噪聲的HMT模型的似然值作為檢驗統(tǒng)計量，進行二元假設(shè)檢驗，使得對船舶噪聲的檢測能力提高。將檢測樣本對不同類型船舶的HMT模型的似然值形成一個描述檢測樣本的特征向量，判別船舶噪聲的類型，識別率和穩(wěn)健性提高。
文檔編號G01S7/539GK1609631SQ20041008456
公開日2005年4月27日 申請日期2004年11月25日 優(yōu)先權(quán)日2004年11月25日
發(fā)明者周越 申請人:上海交通大學