基于艦船輻射噪聲時域特征的水聲目標(biāo)識別方法
【專利摘要】本發(fā)明實施例公開了一種基于艦船輻射噪聲時域特征的水聲目標(biāo)識別方法，包括以下步驟：對用于訓(xùn)練的艦船目標(biāo)輻射噪聲數(shù)據(jù)進行角域分幀；對預(yù)處理后的艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)和艦船測試目標(biāo)噪聲數(shù)據(jù)取能量歸一化；確定艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)每一幀的多任務(wù)截斷先驗隱馬爾可夫模型的參數(shù)；計算測試艦船目標(biāo)輻射噪聲數(shù)據(jù)與訓(xùn)練艦船目標(biāo)輻射噪聲數(shù)據(jù)的每一幀對應(yīng)的多任務(wù)截斷先驗隱馬爾可夫模型的條件似然函數(shù)值；將最大條件似然函數(shù)值對應(yīng)艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)那一幀的類別屬性作為艦船測試目標(biāo)輻射噪聲數(shù)據(jù)的類別屬性。本發(fā)明按照每個艦船目標(biāo)的不同角域，沿艦船輻射噪聲信號的時間維建立一組多任務(wù)截斷先驗隱馬爾可夫模型，提高水聲目標(biāo)識別性能。
【專利說明】基于艦船輻射噪聲時域特征的水聲目標(biāo)識別方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于水聲【技術(shù)領(lǐng)域】，特別地涉及一種基于艦船輻射噪聲時域特征的水聲目 標(biāo)識別方法。

【背景技術(shù)】
[0002] 水聲自動目標(biāo)識別技術(shù)可以提供目標(biāo)船只的屬性和類別等信息，是現(xiàn)代聲納系統(tǒng) 的一個重要組成部分，也是實現(xiàn)其他水下裝備系統(tǒng)智能化的關(guān)鍵技術(shù)。
[0003] 艦船輻射噪聲是指由艦船上機械運轉(zhuǎn)和艦船運動產(chǎn)生并輻射到水中的噪聲，它主 要由機械噪聲、水動力噪聲以及螺旋槳噪聲組成，包含了豐富的目標(biāo)物理信息。其中機械噪 聲是船舶航行的主機、推進裝置以及輔機等機械在運動過程中引起船體振動并向海洋中輻 射的噪聲聲波，螺旋槳噪聲是螺旋槳在水中工作所產(chǎn)生的噪聲，水動力噪聲是航行艦船和 海水作用所產(chǎn)生的噪聲。同類艦船噪聲具有一定的相關(guān)性，而不同類型的艦船噪聲存在差 異。這一特性，被廣泛應(yīng)用于水聲自動目標(biāo)識別技術(shù)中。
[0004] 目前國內(nèi)外有許多機構(gòu)都開展了水聲自動目標(biāo)識別技術(shù)的研究，這些研究在特征 提取和分類器設(shè)計等方面各不相同。LI Xungao、FENG Xinxin和GE Yi2005年在Chinese Journal of Acoustics 上發(fā)表的 Dynamic recognition from ship-radiated noise 文章 從艦船輻射噪聲數(shù)據(jù)中提取一系列包絡(luò)譜特征，利用基于多級模糊識別系統(tǒng)的動態(tài)識別法 對三類艦船目標(biāo)分類識別。柳革命、孫超和楊益新2009年在西北工業(yè)大學(xué)學(xué)報上發(fā)表的 兩種倒譜特征提取技術(shù)在水聲目標(biāo)識別中的應(yīng)用，文中從艦船輻射噪聲數(shù)據(jù)中提取倒譜特 征，進而通過神經(jīng)網(wǎng)絡(luò)對艦船目標(biāo)進行識別。張巖和尹力20〇 9年在應(yīng)用聲學(xué)上發(fā)表了主成 分分析在艦船輻射噪聲分類識別中的應(yīng)用，文中提取了艦船輻射噪聲數(shù)據(jù)的功率譜特征， 利用主成分分析法對艦船目標(biāo)的功率譜特征進行降維，進而通過聚類分析的方法對艦船目 標(biāo)分類。
[0005] 上述這些方法的共同缺點如下：
[0006] (1)只研究了各次艦船輻射噪聲之間的關(guān)系，而忽略了數(shù)據(jù)內(nèi)各單元之間存在的 依賴性，當(dāng)識別目標(biāo)增多的時候，識別性能下降較快；
[0007] (2)沒有考慮同一目標(biāo)在不同觀測角度下發(fā)聲體相對位置和遮擋情況的不同所 造成的輻射噪聲數(shù)據(jù)差異，對一個艦船目標(biāo)只建立了一個模型，模型較為粗糙，識別性能不 佳；
[0008] (3)沒有考慮可用于訓(xùn)練的樣本數(shù)較少情況下模型的識別性能，當(dāng)用于訓(xùn)練的樣 本數(shù)比較少的時候，識別性能大大下降；
[0009] (4)存在手動模型選擇問題，即通過人工確定模型的參數(shù)集大小，而參數(shù)集大小給 定的正確與否決定了最終的識別性能。當(dāng)數(shù)據(jù)較多時，很難確定正確的參數(shù)集大小導(dǎo)致識 別性能不佳。
[0010] 故，針對目前現(xiàn)有技術(shù)中存在的上述缺陷，實有必要進行研究，以提供一種方案， 解決現(xiàn)有技術(shù)中存在的缺陷，避免造成識別目標(biāo)增多和噪聲增多時識別性能下降的問題。


【發(fā)明內(nèi)容】

[0011] 為解決上述問題，本發(fā)明的目的在于提供一種基于艦船輻射噪聲時域特征的水聲 目標(biāo)識別方法，以通過對艦船訓(xùn)練輻射噪聲數(shù)據(jù)進行角域分幀處理，將訓(xùn)練數(shù)據(jù)進行角域 分幀，然后按照每個艦船目標(biāo)的不同角域，沿艦船輻射噪聲信號的時間維建立一組多任務(wù) 截斷Stick-breaking先驗隱馬爾可夫模型，提高水聲目標(biāo)識別的性能。
[0012] 為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案為：
[0013] 一種基于艦船輻射噪聲時域特征的水聲目標(biāo)識別方法，包括以下步驟：
[0014]-步驟1，對用于訓(xùn)練的艦船目標(biāo)輻射噪聲數(shù)據(jù)進行角域分幀，按照3〇度的角域，等 角域間隔劃分360度全角域，一個目標(biāo)共計分為12巾貞；
[0015]步驟2,對預(yù)處理后的艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)和艦船測試目標(biāo)噪聲數(shù)據(jù)取能 量歸一化得到它們的時域特征；
[0016]步驟3,對艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)每一幀的時域特征沿時間維訓(xùn)練多任務(wù)截 斷stick-breaking先驗隱馬爾可夫模型，進而確定艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)每一幀的 多任務(wù)截斷stick-breaking先驗隱馬爾可夫模型的參數(shù)； 、
[00Π ]步驟4,根據(jù)確定的艦船輻射噪聲數(shù)據(jù)每一幀的多任務(wù)截先驗 隱馬爾可夫模型的參數(shù)計算測試艦船目標(biāo)輻射噪聲數(shù)據(jù)與訓(xùn)練艦船目標(biāo)輻射噪聲數(shù)據(jù)的 每一幀對應(yīng)的多任務(wù)截斷stick-breaking先驗隱馬爾可夫模型的條件似然函數(shù)值；
[0018]步驟5,將最大條件似然函數(shù)值對應(yīng)艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)那一幀的類別屬 性作為艦船測試目標(biāo)輻射噪聲數(shù)據(jù)的類別屬性。
[0019] 優(yōu)選地，步驟2進一步包括以下步驟：
[0020] (2a)艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)的時域特征歸一化
[0021]將艦船訓(xùn)練目標(biāo)福射噪聲的每一個數(shù)據(jù)分別除以它們自身的范數(shù)，完成對艦船訓(xùn) 練目標(biāo)輻射噪聲數(shù)據(jù)能量的歸一化；
[0022] (2b)艦船測試訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)的時域特征歸一化
[0023]將艦船測試目標(biāo)輻射噪聲的每一個數(shù)據(jù)分別除以它們自身的范數(shù)，完成對艦船測 試目標(biāo)輻射噪聲數(shù)據(jù)能量的歸一化。 ^
[0024] 優(yōu)選地，步驟3具體為，
[0025] (3a)把艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)中的每一個數(shù)據(jù)所提取的時域特征作為一個 馬爾可夫序列，將沿著艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)中的每個數(shù)據(jù)的內(nèi)部單元所構(gòu)成的馬爾 可夫序列，代入到多任務(wù)截斷stick-breaking先驗隱馬爾可夫模型中；
[0026] (3b)通過變分貝葉斯期望最大VB-EM算法，確定艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)每― 幀的多任務(wù)截斷stick-breaking先驗隱馬爾可夫模型的參數(shù)。
[0027] 優(yōu)選地，步驟3b)具體為，
[0028] 3bl)設(shè)置多任務(wù)截斷stick-breaking先驗隱馬爾可夫模型中超參數(shù)aa和!^，變 分貝葉斯期望最大VB-EM算法的終止門限ε，作為終止條件；
[0029] 3b2)更新截斷stick-breaking先驗隱馬爾可夫模型中的觀察值分布參數(shù)概率值 q(Q);
[0030] 3b3)更新stick-breaking先驗參數(shù)的概率分布q( β汐；
[0031] 3b4)更新初始狀態(tài)分布的概率值
[0032] 3b5)更新狀態(tài)轉(zhuǎn)移矩陣每一行的概率值我 ;，
[0033] 3b6)更新每一個目標(biāo)每一幀的每一個艦船訓(xùn)練目標(biāo)輻射噪聲中隱狀態(tài)參數(shù)分布 的概率值q(s (^'n));
[0034] 3b7)計算變分貝葉斯期望最大VB-EM算法的下界F ;
[0035] 3b8)計算當(dāng)前變分貝葉斯期望最大VB-EM算法的下界與上一次變分貝葉斯期望 最大VB-EM算法的下界之差ε差值；
[0036] 3b9)循環(huán)步驟3b2)?3b8)，即可逐步完成多任務(wù)截斷stick-breaking先驗隱馬 爾可夫模型的隱參數(shù)集的更新過程；
[0037] 3bl0)往復(fù)迭代步驟3b2)?3b8)，直到3b8)得到的ε差值小于設(shè)定的門限ε時 終止；
[0038] 3bll)當(dāng)變分貝葉斯ΕΜ算法終止時，保存訓(xùn)練完畢的多任務(wù)截斷stick-breaking 先驗隱馬爾可夫模型中的參數(shù)，這些參數(shù)即為訓(xùn)練艦船目標(biāo)輻射噪聲數(shù)據(jù)每一幀的多任務(wù) 截斷stick-breaking先驗隱馬爾可夫模型的參數(shù)。
[0039] 優(yōu)選地，步驟3b2)中，觀察值分布參數(shù)概率值q ( Ω )的具體算法如下：
[0040] ^(Ω(ε)) = ΚΩ(￡):χ：ρχρ(^(Ω(?)|Ω(?))+^ €=ν·*,Η β
[0041] 表示對應(yīng)于第c個目標(biāo)的觀察值分布參數(shù)Ω的概率歸一化因子，exp ( ·)表 示指數(shù)函數(shù)，:表示艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)中對應(yīng)于第c個目標(biāo)觀察值 分布參數(shù)的高斯伽馬分布，E(sw)表示艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)中對應(yīng)于第c個目標(biāo)的 隱狀態(tài)概率的期望，表示第?個目標(biāo)中艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)的觀測對 數(shù)概率，N。表示目標(biāo)總數(shù)。
[0042] 優(yōu)選地，stick-breaking先驗參數(shù)的概率分布q( β J的具體計算方法如下：
[0043] = 1 = 1,-,1
[0044] 其中Ga(·)表示Gamma分布，|響表示當(dāng)前超參數(shù)值aa中對應(yīng)于第i個隱狀態(tài)的 值，，表示當(dāng)前超參數(shù)值ba中對應(yīng)于第i個隱狀態(tài)的值，β i表示stick-breaking先驗 參數(shù)β的第i個元素，I表示隱狀態(tài)的個數(shù)。
[0045] 優(yōu)選地，步驟3b4)中，初始狀態(tài)分布的概率伯《(wf》丨的更新計算方式如下：
[0046] ^(Mf'w|)=Siicte%reaking(p(em,0)), c = 1,.-,? 12
[0047] 其中Stick-breaking(·)表示Stick-breaking過程，表示艦船訓(xùn)練目標(biāo)福 射噪聲第c個目標(biāo)數(shù)據(jù)第m幀中的隱狀態(tài)初始分布，|《表示對應(yīng)于艦船訓(xùn)練目標(biāo)輻射噪 聲第c個目標(biāo)數(shù)據(jù)第m巾貞中對應(yīng)于隱狀態(tài)初始分布的stick-breaking過程參數(shù)，N。表不目 標(biāo)總數(shù)。
[0048] 優(yōu)選地，步驟汍5)中，更新狀態(tài)轉(zhuǎn)移矩陣每一行的概率值的具體算法如 下： '
[0049] ?(w^^)=Stickφreattlg(g(--), ￠ = 1,..., Np? ：to = 1,.-,12
[0050] 其中Stick-breaking (·)表示Stick-breaking過程，表示艦船訓(xùn)練目標(biāo)輻 射噪聲第c個目標(biāo)數(shù)據(jù)第m幀中的狀態(tài)轉(zhuǎn)移矩陣第i行，表示對應(yīng)于艦船訓(xùn)練目標(biāo)輻 射噪聲第c個目標(biāo)數(shù)據(jù)第m幀中對應(yīng)于狀態(tài)轉(zhuǎn)移矩陣第i行的stick-breaking過程參數(shù)， N。表示目標(biāo)總數(shù)，I表示隱狀態(tài)的個數(shù)。
[0051]優(yōu)選地，步驟3b6)中，更新每一個目標(biāo)每一幀的每一個艦船訓(xùn)練目標(biāo)輻射噪聲中 隱狀態(tài)參數(shù)分布的概率值q(sfcm'n))計算方式如下：
[0052] x)+ "'(011 /=1 ； y
[0053]其中，表示對應(yīng)于第C個目標(biāo)第m偵第η個樣本中的隱狀態(tài)參數(shù)s(。，-的 T 概率歸一化因子，)表不艦船訓(xùn)練目標(biāo)福射噪聲數(shù)據(jù)中第c個目標(biāo)第m傾的初 始狀態(tài)對數(shù)概率的期望值和狀態(tài)轉(zhuǎn)移矩陣對數(shù)概率的期望值之和，T表示艦船訓(xùn)練目標(biāo)福 射噪聲數(shù)據(jù)的一個樣本在多任務(wù)截斷stick-breaking先驗隱馬爾可夫模型中對應(yīng)的總時 間，當(dāng)t = 1時，，代表艦船訓(xùn)練目標(biāo)福射噪聲數(shù)據(jù)中第c個目標(biāo)第m巾貞的初始狀態(tài)概 率值，當(dāng)1 < t < T時，代表艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)中第c個目標(biāo)第m幀的狀態(tài)轉(zhuǎn)移矩 陣從時間t到時間t+1的對數(shù)概率值，妻傘汽#期劃明表示艦船訓(xùn)練目標(biāo)輻射噪 聲數(shù)據(jù)的第c個目標(biāo)第m幀中第η個樣本的觀測對數(shù)概率的期望值，其中x(。，一? (t)代表艦 船訓(xùn)練目標(biāo)福射噪聲數(shù)據(jù)的第c個目標(biāo)第m幀中第η個樣本在多任務(wù)截斷stick-breaking 先驗隱馬爾可夫模型中對應(yīng)時間為t的單元，Ω"代表第c個目標(biāo)的觀察值分布參數(shù)當(dāng)時 間為t時對應(yīng)的隱參數(shù)集。

【權(quán)利要求】
1. 一種基于艦船輻射噪聲時域特征的水聲目標(biāo)識別方法，其特征在于，包括以下步 驟： 步驟1，對用于訓(xùn)練的艦船目標(biāo)輻射噪聲數(shù)據(jù)進行角域分幀，按照30度的角域，等角域 間隔劃分360度全角域，一個目標(biāo)共計分為12幀； 步驟2,對預(yù)處理后的艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)和艦船測試目標(biāo)噪聲數(shù)據(jù)取能量歸 一化得到它們的時域特征； 步驟3,對艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)每一幀的時域特征沿時間維訓(xùn)練多任務(wù)截斷stick-breaking先驗隱馬爾可夫模型，進而確定艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)每一幀的多任 務(wù)截斷stick-breaking先驗隱馬爾可夫模型的參數(shù)； 步驟4,根據(jù)確定的艦船福射噪聲數(shù)據(jù)每一巾貞的多任務(wù)截斷stick-breaking先驗隱馬 爾可夫模型的參數(shù)計算測試艦船目標(biāo)輻射噪聲數(shù)據(jù)與訓(xùn)練艦船目標(biāo)輻射噪聲數(shù)據(jù)的每一 中貞對應(yīng)的多任務(wù)截斷stick-breaking先驗隱馬爾可夫模型的條件似然函數(shù)值； 步驟5,將最大條件似然函數(shù)值對應(yīng)艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)那一幀的類別屬性作 為艦船測試目標(biāo)輻射噪聲數(shù)據(jù)的類別屬性。
2. 根據(jù)權(quán)利要求1所述的基于艦船輻射噪聲時域特征的水聲目標(biāo)識別方法，其特征在 于，步驟2進一步包括以下步驟： (2a)艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)的時域特征歸一化 將艦船訓(xùn)練目標(biāo)輻射噪聲的每一個數(shù)據(jù)分別除以它們自身的范數(shù)，完成對艦船訓(xùn)練目 標(biāo)輻射噪聲數(shù)據(jù)能量的歸一化； (2b)艦船測試訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)的時域特征歸一化 將艦船測試目標(biāo)輻射噪聲的每一個數(shù)據(jù)分別除以它們自身的范數(shù)，完成對艦船測試目 標(biāo)輻射噪聲數(shù)據(jù)能量的歸一化。
3. 根據(jù)權(quán)利要求1所述的基于艦船輻射噪聲時域特征的水聲目標(biāo)識別方法，其特征在 于，步驟3具體為， (3a)把艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)中的每一個數(shù)據(jù)所提取的時域特征作為一個馬爾 可夫序列，將沿著艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)中的每個數(shù)據(jù)的內(nèi)部單元所構(gòu)成的馬爾可夫 序列，代入到多任務(wù)截斷stick-breaking先驗隱馬爾可夫模型中； (3b)通過變分貝葉斯期望最大VB-EM算法，確定艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)每一幀的 多任務(wù)截斷stick-breaking先驗隱馬爾可夫模型的參數(shù)。
4. 根據(jù)權(quán)利要求3所述的基于艦船輻射噪聲時域特征的水聲目標(biāo)識別方法，其特征在 于,步驟3b具體為， 3bl)設(shè)置多任務(wù)截斷stick-breaking先驗隱馬爾可夫模型中超參數(shù)8[1和1^，變分貝 葉斯期望最大VB-EM算法的終止門限e，作為終止條件； 3b2)更新截斷stick-breaking先驗隱馬爾可夫模型中的觀察值分布參數(shù)概率值q(^); 3b3)更新stick-breaking先驗參數(shù)的概率分布q(0D; 3b4)更新初始狀態(tài)分布的概率值MW"）； 3b5)更新狀態(tài)轉(zhuǎn)移矩陣每一行的概率值; 3b6)更新每一個目標(biāo)每一幀的每一個艦船訓(xùn)練目標(biāo)輻射噪聲中隱狀態(tài)參數(shù)分布的概 率值q(s(c；'m'n)); 3b7)計算變分貝葉斯期望最大VB-EM算法的下界F; 3b8)計算當(dāng)前變分貝葉斯期望最大VB-EM算法的下界與上一次變分貝葉斯期望最大VB-EM算法的下界之差e差值； 3b9)循環(huán)步驟3b2)?3b8)，即可逐步完成多任務(wù)截斷stick-breaking先驗隱馬爾可 夫模型的隱參數(shù)集的更新過程； 3bl0)往復(fù)迭代步驟3b2)?3b8)，直到3b8)得到的eJltt小于設(shè)定的門限e時終止； 3bll)當(dāng)變分貝葉斯EM算法終止時，保存訓(xùn)練完畢的多任務(wù)截斷stick-breaking先驗 隱馬爾可夫模型中的參數(shù)，這些參數(shù)即為訓(xùn)練艦船目標(biāo)輻射噪聲數(shù)據(jù)每一幀的多任務(wù)截斷 stick-breaking先驗隱馬爾可夫模型的參數(shù)。
5. 根據(jù)權(quán)利要求4所述的基于艦船輻射噪聲時域特征的水聲目標(biāo)識別方法，其特征在 于，步驟3b2中，觀察值分布參數(shù)概率值q(Q)的具體算法如下：
表示對應(yīng)于第c個目標(biāo)的觀察值分布參數(shù)Q的概率歸一化因子，exp(*)表示指 數(shù)函數(shù)，表示艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)中對應(yīng)于第c個目標(biāo)觀察值分布 參數(shù)的高斯伽馬分布，E(Sw)表示艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)中對應(yīng)于第c個目標(biāo)的隱狀 態(tài)概率的期望，表示第c個目標(biāo)中艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)的觀測對數(shù)概 率，N。表示目標(biāo)總數(shù)。
6. 根據(jù)權(quán)利要求4所述的基于艦船輻射噪聲時域特征的水聲目標(biāo)識別方法，其特征在 于，stick-breaking先驗參數(shù)的概率分布q(0D的具體計算方法如下：
其中Ga( ?)表示Ga_a分布，疋"表示當(dāng)前超參數(shù)值aa中對應(yīng)于第i個隱狀態(tài)的值， 紀(jì)"表示當(dāng)前超參數(shù)值ba中對應(yīng)于第i個隱狀態(tài)的值，Pi表示stick-breaking先驗參數(shù) 3的第i個元素，I表示隱狀態(tài)的個數(shù)。
7. 根據(jù)權(quán)利要求4所述的基于艦船輻射噪聲時域特征的水聲目標(biāo)識別方法，其特征在 于，步驟3b4)中，初始狀態(tài)分布的概率值的更新計算方式如下：
其中Stick-breaking(?)表示Stick-breaking過程，表示艦船訓(xùn)練目標(biāo)福射噪 聲第c個目標(biāo)數(shù)據(jù)第m幀中的隱狀態(tài)初始分布，表示對應(yīng)于艦船訓(xùn)練目標(biāo)輻射噪聲 第c個目標(biāo)數(shù)據(jù)第m幀中對應(yīng)于隱狀態(tài)初始分布的Stick-breaking過程參數(shù)，N。表示目標(biāo) 總數(shù)。
8. 根據(jù)權(quán)利要求4所述的基于艦船輻射噪聲時域特征的水聲目標(biāo)識別方法，其特征在 于，步驟3b5)中，更新狀態(tài)轉(zhuǎn)移矩陣每一行的概率值的具體算法如下：
其中Stick-breaking(?)表示Stick-breaking過程，w丨表示艦船訓(xùn)練目標(biāo)福射噪 聲第c個目標(biāo)數(shù)據(jù)第m幀中的狀態(tài)轉(zhuǎn)移矩陣第i行，表示對應(yīng)于艦船訓(xùn)練目標(biāo)輻射噪 聲第c個目標(biāo)數(shù)據(jù)第m幀中對應(yīng)于狀態(tài)轉(zhuǎn)移矩陣第i行的Stick-breaking過程參數(shù)，N。表 示目標(biāo)總數(shù)，I表示隱狀態(tài)的個數(shù)。
9. 根據(jù)權(quán)利要求4所述的基于艦船輻射噪聲時域特征的水聲目標(biāo)識別方法，其特征在 于，步驟3b6)中，更新每一個目標(biāo)每一幀的每一個艦船訓(xùn)練目標(biāo)輻射噪聲中隱狀態(tài)參數(shù)分 布的概率值q(s(c；'m'n))計算方式如下：
其中，Ks-:表示對應(yīng)于第c個目標(biāo)第m幀第n個樣本中的隱狀態(tài)參數(shù)s(c;'m'n)的概率歸 一化因子，
表示艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)中第c個目標(biāo)第m幀的初始狀態(tài) 對數(shù)概率的期望值和狀態(tài)轉(zhuǎn)移矩陣對數(shù)概率的期望值之和，T表示艦船訓(xùn)練目標(biāo)輻射噪聲 數(shù)據(jù)的一個樣本在多任務(wù)截斷stick-breaking先驗隱馬爾可夫模型中對應(yīng)的總時間，當(dāng)t =1時，,代表艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)中第c個目標(biāo)第m幀的初始狀態(tài)概率值，當(dāng) I<t<T時，代表艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù)中第c個目標(biāo)第m幀的狀態(tài)轉(zhuǎn)移矩陣從時 間t到時間t+1的對數(shù)概率值，
表示艦船訓(xùn)練目標(biāo)輻射噪聲數(shù)據(jù) 的第c個目標(biāo)第m幀中第n個樣本的觀測對數(shù)概率的期望值，其中m'n)⑴代表艦船訓(xùn)練 目標(biāo)福射噪聲數(shù)據(jù)的第c個目標(biāo)第m巾貞中第n個樣本在多任務(wù)截斷stick-breaking先驗 隱馬爾可夫模型中對應(yīng)時間為t的單元，代表第c個目標(biāo)的觀察值分布參數(shù)當(dāng)時間為t 時對應(yīng)的隱參數(shù)集。
10. 根據(jù)權(quán)利要求4所述的基于艦船輻射噪聲時域特征的水聲目標(biāo)識別方法，其特征 在于，步驟3b7)中計算變分貝葉斯期望最大VB-EM算法的下界F具體方法如下，
其中〇表示隱馬爾可夫總參數(shù)集，q(〇)表示隱馬爾可夫總參數(shù)集〇的變分概率密 度函數(shù)，P({x}，〇)表示真實數(shù)據(jù)集和隱馬爾可夫總參數(shù)集〇的聯(lián)合分布函數(shù)。
【文檔編號】G06F19/00GK104268394SQ201410493200
【公開日】2015年1月7日 申請日期:2014年9月24日 優(yōu)先權(quán)日:2014年9月24日
【發(fā)明者】潘勉, 劉敬彪, 于海濱, 盛慶華, 蔡文郁, 章雪挺, 孔慶鵬, 劉純虎, 周濤, 曹靜 申請人:杭州電子科技大學(xué)