專利名稱：一種基于音色參數(shù)模型的水下目標(biāo)回波分類方法
技術(shù)領(lǐng)域：
本發(fā)明涉及水聲技術(shù)應(yīng)用領(lǐng)域，具體涉及的是一種對(duì)水下目標(biāo)回波分類的方法。
背景技術(shù)：
分析不同類型目標(biāo)的聲散射特征有利于提高水下目標(biāo)的識(shí)別準(zhǔn)確率，對(duì)水下考古、沉船打撈等工作具有重要的意義。主動(dòng)聲納發(fā)射寬帶脈沖信號(hào)，照射水底目標(biāo)，并采用聲吶陣列接收回波信號(hào)。聲波照射不同材質(zhì)和幾何結(jié)構(gòu)的物體，反射回波會(huì)調(diào)制該物體的振動(dòng)信息，有經(jīng)驗(yàn)的聲納兵就是通過分析主動(dòng)聲納接收的聲波聽起來是否具有轉(zhuǎn)音或金屬撞擊聲，來判斷目標(biāo)的有無。音色定義為聲音聽起來是什么感覺，在聽音辨物過程中占主導(dǎo)地位。對(duì)音色屬性的建模，即音色參數(shù)化，是模仿聽覺系統(tǒng)提取聲特征的主要途徑。主動(dòng)聲吶發(fā)射高頻聲波照射水底目標(biāo)，散射回波信號(hào)通常由幾何亮點(diǎn)和彈性亮點(diǎn)構(gòu)成。幾何亮點(diǎn)與目標(biāo)的材料無關(guān)，只與目標(biāo)的幾何結(jié)構(gòu)有關(guān)。彈性亮點(diǎn)是當(dāng)入射聲波與目標(biāo)的本征頻率相吻合時(shí)，目標(biāo)振動(dòng)向周圍介質(zhì)輻射的彈性波構(gòu)成的，攜帶物體的材質(zhì)信息。不同幾何結(jié)構(gòu)形狀、不同材質(zhì)的目標(biāo)反向散射回波具有一定的特異性，這就為目標(biāo)的分類識(shí)別提供了可能。雖然這種方法對(duì)于散射波產(chǎn)生的物理機(jī)理描述并不十分準(zhǔn)確，但基本上正確的描述了目標(biāo)的散射特性。加拿大的Paul.C.Hines和Nancy Alien等人測(cè)試了聲吶員依靠人耳聽覺系統(tǒng)區(qū)分不同目標(biāo)信號(hào)的能力，研究了聲吶員實(shí)現(xiàn)聽音辨物依賴的聲特征，并將這些特征進(jìn)行融合，形成自動(dòng)分類器，以彌補(bǔ)人的主觀感受對(duì)識(shí)別效果的影響。本專利借鑒語音和樂音識(shí)別領(lǐng)域的音色參數(shù)模型，提取聲納回波信號(hào)的聽覺感知特征量，分析在信號(hào)處理端，不同材質(zhì)、不同幾何形狀目標(biāo)反映的聲散射特性，為目標(biāo)和混響的聲散射特性建模提供依據(jù)，同時(shí)驗(yàn)證與音色有關(guān)的特征量可以作為區(qū)分不同目標(biāo)或目標(biāo)與混響的有效特征參量。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種在信號(hào)處理端，對(duì)水下目標(biāo)回波分類的方法。本發(fā)明的目的是這樣實(shí)現(xiàn)的:包括如下步驟:( I)對(duì)訓(xùn)練樣本庫中的樣本數(shù)據(jù)進(jìn)行歸一化預(yù)處理，計(jì)算樣本的功率譜及高階累積量的對(duì)角切片譜；(2)在功率譜及對(duì)角切片譜上提取信號(hào)的音色特征量；(3)篩選所提取的音色特征，選擇能夠?qū)λ履繕?biāo)回波進(jìn)行有效分類的特征，將這些特征組合建立特征空間；(4)對(duì)于新的樣本信號(hào)，執(zhí)行以上三個(gè)步驟，將得到的特征空間與樣本庫中的特征分布進(jìn)行匹配，判斷新樣本信號(hào)的類別。

音色特征量包括:譜質(zhì)心、譜質(zhì)心帶寬、譜通量、譜下降值、譜不規(guī)律性、譜平整度。
篩選音色特征時(shí)采用距離判據(jù)函數(shù)，為目標(biāo)回波信號(hào)和混響信號(hào)或者目標(biāo)回波信號(hào)和噪聲信號(hào)在特征空間中的類間平均距離與類內(nèi)平均距離的比值。本發(fā)明的有益效果在于:將與音色有關(guān)的聽覺感知特征量與高階累積量相結(jié)合用于水下目標(biāo)回波信號(hào)的分類，高階累積量例如四階累積量可以抑制高斯分布的噪聲，在此基礎(chǔ)上使用2.5維譜提取音色特征能夠更加真實(shí)的反映目標(biāo)回波的特性，從而提高水下目標(biāo)回波的分類效果，進(jìn)而提高水下目標(biāo)的探測(cè)和識(shí)別準(zhǔn)確率。


圖1為本發(fā)明的工作流程圖。圖2為功率譜上目標(biāo)回波和混響的三維特征。圖3為2.5維譜上目標(biāo)回波與混響的三維特征。圖4為功率譜上目標(biāo)回波和噪聲的三維特征。圖5為2.5維譜上目標(biāo)回波與噪聲的三維特征。
具體實(shí)施例方式下面將結(jié)合附圖對(duì)本發(fā)明加以詳細(xì)說明:本發(fā)明主要是在信號(hào)處理端，在功率譜及高階累積量切片譜的基礎(chǔ)上提取與音色有關(guān)的特征量，分析主動(dòng)聲吶接收回波中的目標(biāo)回波、混響和噪聲的特性，并達(dá)到識(shí)別水下小目標(biāo)的效果。為達(dá)到更好的效果，可以先建立訓(xùn)練樣本庫，然后將新樣本的特征與樣本庫比較。對(duì)于一個(gè)樣本，在 處理前需要進(jìn)行歸一化預(yù)處理，這樣可以在數(shù)值上保持一個(gè)數(shù)量級(jí)，方便與其他樣本進(jìn)行比較。本發(fā)明涉及的預(yù)處理包括對(duì)幅度的歸一化和對(duì)頻率的歸一化，對(duì)頻率的歸一化使得本方法在處理不同頻率的信號(hào)時(shí)保持一致性。如圖1所示，分別在功率譜和高階累積量對(duì)角切片譜上提取音色特征參量。對(duì)于訓(xùn)練樣本，在提取特征之前需要確定目標(biāo)回波、混響和噪聲的信號(hào)波形，可以通過對(duì)信號(hào)波形的分析得出。為了得到更好的效果，可以選擇信號(hào)波形較好、容易分離出三種信號(hào)的樣本。信號(hào)的高階累積量可以反映信號(hào)頻率、相位的耦合信息，同時(shí)還可以抑制服從某些概率密度分布噪聲，因此可以在高階累積量譜上提取特征，與在功率譜上提取的特征加以對(duì)比分析，得到在功率譜上不能體現(xiàn)的信息。平穩(wěn)隨機(jī)過程Ix(η)}的k階累積量為Ckx ( τ 1；..., τ ^1) =cum {χ (η), χ (η+ τ j), L, χ (η+ τ ^1)} (I)其中，τ α=1，2，...Λ-1)為相鄰時(shí)刻樣本間的時(shí)間間隔。累積量僅與時(shí)間間隔有關(guān)，而與具體時(shí)刻無關(guān)。在k階累積量絕對(duì)可和的前提下，對(duì)其作k-Ι維傅里葉變換，得到高階累積量譜
+QO-feek—\Skx(崎,…吟―^) = Σ …Σ &(Γ!, Γ2,…,h-ι) exp[-1'S ωιτ ](2)
Tk =-a>簡稱為高階譜或多譜。由上式可以看出，高階譜計(jì)算量比較大，計(jì)算時(shí)間較長，實(shí)際中可以采用對(duì)角切片譜進(jìn)行分析。對(duì)于三階累積量C3Jt1, τ2)，采用均勻的時(shí)間間隔，即T1=T 2= τ，并作傅里葉變換，得到三階累積量的對(duì)角切片譜，又稱1.5維譜:
權(quán)利要求
1.一種基于音色參數(shù)模型的水下目標(biāo)回波分類方法，其特征在于，包括如下步驟: (1)對(duì)訓(xùn)練樣本庫中的樣本數(shù)據(jù)進(jìn)行歸一化預(yù)處理，計(jì)算樣本的功率譜及高階累積量的對(duì)角切片譜； (2)在功率譜及對(duì)角切片譜上提取信號(hào)的音色特征量； (3)篩選所提取的音色特征，選擇能夠?qū)λ履繕?biāo)回波進(jìn)行有效分類的特征，將這些特征組合建立特征空間； (4)對(duì)于新的樣本信號(hào)，執(zhí)行以上三個(gè)步驟，將得到的特征分布與樣本庫中的特征分布進(jìn)行匹配，判斷新樣本信號(hào)的類別。
2.根據(jù)權(quán)利要求1所述的一種基于音色參數(shù)模型的水下目標(biāo)回波分類方法，其特征在于:所述的音色特征量包括:譜質(zhì)心、譜質(zhì)心帶寬、譜通量、譜下降值、譜不規(guī)律性、譜平整度。
3.根據(jù)權(quán)利要求1所述的一種基于音色參數(shù)模型的水下目標(biāo)回波分類方法，其特征在于:所述的篩選音色特征時(shí)采用距離判據(jù)函數(shù)，為目標(biāo)回波信號(hào)和混響信號(hào)或者目標(biāo)回波信號(hào)和噪聲信號(hào)在特征空間中的類間平均距離與類內(nèi)平均距離的比值。
全文摘要
本發(fā)明涉及水聲技術(shù)應(yīng)用領(lǐng)域，具體涉及的是一種對(duì)水下目標(biāo)回波分類的方法。本發(fā)明包括如下步驟對(duì)訓(xùn)練樣本庫中的樣本數(shù)據(jù)進(jìn)行歸一化預(yù)處理，計(jì)算樣本的功率譜及高階累積量的對(duì)角切片譜；在功率譜及對(duì)角切片譜上提取信號(hào)的音色特征量；篩選所提取的音色特征，選擇能夠?qū)λ履繕?biāo)回波進(jìn)行有效分類的特征，將這些特征組合建立特征空間；對(duì)于新的樣本信號(hào)，執(zhí)行以上三個(gè)步驟，將得到的特征空間與樣本庫中的特征分布進(jìn)行匹配，判斷新樣本信號(hào)的類別。本發(fā)明能夠提高水下目標(biāo)回波的分類效果，進(jìn)而提高水下目標(biāo)的探測(cè)和識(shí)別準(zhǔn)確率。
文檔編號(hào)G01S7/539GK103226197SQ201310131689
公開日2013年7月31日 申請(qǐng)日期2013年4月16日 優(yōu)先權(quán)日2013年4月16日
發(fā)明者李秀坤, 楊陽, 李婷婷, 孟祥夏 申請(qǐng)人:哈爾濱工程大學(xué)