基于艦船輻射噪聲頻域融合特征的水聲目標(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頻域融合特征的水聲目標(biāo)識別方法，步驟如下：對艦船目標(biāo)訓(xùn)練輻射噪聲數(shù)據(jù)進行角域分幀操作；提取訓(xùn)練和測試的艦船目標(biāo)輻射噪聲數(shù)據(jù)的目標(biāo)的功率譜特征以及維譜特征；得到輻射噪聲數(shù)據(jù)的頻域融合特征；確定艦船目標(biāo)輻射噪聲數(shù)據(jù)中每一幀的多任務(wù)截斷先驗隱馬爾可夫模型參數(shù)；計算測試艦船目標(biāo)輻射噪聲數(shù)據(jù)的頻域融合特征xtest與訓(xùn)練艦船目標(biāo)輻射噪聲數(shù)據(jù)的每一幀相對應(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)值所對應(yīng)艦船目標(biāo)訓(xùn)練輻射噪聲數(shù)據(jù)那一幀的類別屬性作為艦船目標(biāo)測試輻射噪聲數(shù)據(jù)的類別屬性。本發(fā)明用于提高水聲目標(biāo)識別的性能。
【專利說明】基于艦船輻射噪聲頻域融合特征的水聲目標(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頻域融合特征的水 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2009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)蘊含的艦船發(fā)聲體 之間固定空間結(jié)構(gòu)和遮擋特性，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，避免造成識別性能不佳，在環(huán)境因數(shù)改變的情況下識別性能 下降較快的問題。


【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頻域融合特征的 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，然后進行能量歸一化的預(yù)處理，之后提取目標(biāo)的功率譜特征以及l(fā)|維譜特征， 進而將功率譜特征和11維譜特征融合成一個長的頻域特征，最后按照每個艦船目標(biāo)的不 同角域，利融合成的長頻域特征建立一組多任務(wù)截斷Stick-breaking先驗隱馬爾可夫模 型，提局水聲目標(biāo)識別的性能。多任務(wù)截斷stick-breaking先驗馬爾可夫模型中的多任務(wù) 特性將同一艦船目標(biāo)不同角域的樣本共同訓(xùn)練，當(dāng)用于訓(xùn)練的樣本數(shù)比較少的時候，仍能 保持很好的識別特性。在建立的隱馬爾可夫模型中引入了 stick-breaking先驗，該先驗使 模型擁有很好的稀疏性質(zhì)，具備自動確定正確的隱馬爾可夫模型參數(shù)的能力，避免了手動 模型選擇問題。
[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頻域融合特征的水聲目標(biāo)識別方法，包括以下步驟：
[0014] 步驟1，對艦船目標(biāo)訓(xùn)練輻射噪聲數(shù)據(jù)進行角域分巾貞操作；
[0015] 步驟2,對用于訓(xùn)練和測試的艦船目標(biāo)輻射噪聲數(shù)據(jù)進行能量歸一化的預(yù)處理；
[0016] 步驟3,提取訓(xùn)練和測試的艦船目標(biāo)輻射噪聲數(shù)據(jù)的目標(biāo)的功率譜特征以及維 譜特征；
[0017] 步驟4,融合訓(xùn)練和測試的艦船目標(biāo)輻射噪聲數(shù)據(jù)的目標(biāo)的功率譜特征以及l(fā)|維 譜特征得到輻射噪聲數(shù)據(jù)的頻域融合特征；
[0018] 步驟5,對艦船目標(biāo)訓(xùn)練輻射噪聲數(shù)據(jù)每一幀的頻域融合特征沿特征單元訓(xùn)練多 任務(wù)截斷Stick-breaking先驗隱馬爾可夫模型，進而確定艦船目標(biāo)輻射噪聲數(shù)據(jù)中每一 中貞的多任務(wù)截斷stick-breaking先驗隱馬爾可夫模型參數(shù)；
[0019] 步驟6,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)的頻域融合特征x test與訓(xùn)練艦船 目標(biāo)輻射噪聲數(shù)據(jù)的每一幀相對應(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；
[0020] 步驟7,將最大條件似然函數(shù)值所對應(yīng)艦船目標(biāo)訓(xùn)練輻射噪聲數(shù)據(jù)那一幀的類別 屬性作為艦船目標(biāo)測試輻射噪聲數(shù)據(jù)的類別屬性。
[0021] 優(yōu)選地，在步驟1中，對艦船目標(biāo)訓(xùn)練輻射噪聲數(shù)據(jù)進行角域分幀操作具體為，按 照3〇度的角域等角域間隔劃分360度全角域，一個艦船目標(biāo)共計分為12幀。
[0022] 優(yōu)選地，步驟3具體為，
[0023] C3a)提取艦船目標(biāo)輻射噪聲數(shù)據(jù)的功率譜特征X功
[0024]

【權(quán)利要求】
1. 一種基于艦船輻射噪聲頻域融合特征的水聲目標(biāo)識別方法，其特征在于，包括以下 步驟： 步驟1，對艦船目標(biāo)訓(xùn)練輻射噪聲數(shù)據(jù)進行角域分幀操作； 步驟2,對用于訓(xùn)練和測試的艦船目標(biāo)輻射噪聲數(shù)據(jù)進行能量歸一化的預(yù)處理； 步驟3,提取訓(xùn)練和測試的艦船目標(biāo)輻射噪聲數(shù)據(jù)的目標(biāo)的功率譜特征以及I!維譜特 征； 步驟4,融合訓(xùn)練和測試的艦船目標(biāo)輻射噪聲數(shù)據(jù)的目標(biāo)的功率譜特征以及維譜特 征得到輻射噪聲數(shù)據(jù)的頻域融合特征； 步驟5,對艦船目標(biāo)訓(xùn)練輻射噪聲數(shù)據(jù)每一幀的頻域融合特征沿特征單元訓(xùn)練多任務(wù) 截斷stick-breaking先驗隱馬爾可夫模型，進而確定艦船目標(biāo)輻射噪聲數(shù)據(jù)中每一幀的 多任務(wù)截斷stick-breaking先驗隱馬爾可夫模型參數(shù)； 步驟6,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)的頻域融合特征Xtost與訓(xùn)練艦船目標(biāo) 福射噪聲數(shù)據(jù)的每一巾貞相對應(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7,將最大條件似然函數(shù)值所對應(yīng)艦船目標(biāo)訓(xùn)練輻射噪聲數(shù)據(jù)那一幀的類別屬性 作為艦船目標(biāo)測試輻射噪聲數(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頻域融合特征的水聲目標(biāo)識別方法，其特 征在于，在步驟1中，對艦船目標(biāo)訓(xùn)練輻射噪聲數(shù)據(jù)進行角域分幀操作具體為，按照30度的 角域等角域間隔劃分360度全角域，一個艦船目標(biāo)共計分為12幀。
3.根據(jù)權(quán)利要求1或2所述的基于艦船輻射噪聲頻域融合特征的水聲目標(biāo)識別方法， 其特征在于，步驟3具體為， (3a)提取艦船目標(biāo)輻射噪聲數(shù)據(jù)的功率譜特征xa
其中，F(xiàn)FT(y)表示艦船目標(biāo)輻射噪聲數(shù)據(jù)y的傅立葉變換，I?I表示取模操作； (3b)提取艦船目標(biāo)輻射噪聲數(shù)據(jù)的
維譜特征

其中，F(xiàn)FT(y)表示艦船目標(biāo)輻射噪聲數(shù)據(jù)y的傅立葉變換，（?V表示取復(fù)共軛操作， *表示卷積操作。
4.根據(jù)權(quán)利要求3所述的基于艦船輻射噪聲頻域融合特征的水聲目標(biāo)識別方法，其特 征在于，步驟4中，頻域融合特征X的具體算法為，
其中，頻域融合特征X是一個向量，I*1表示取模操作
表示將
維譜特征
和功率譜特征Xtt按順序拼合得到一個長特征向量。
5.根據(jù)權(quán)利要求4所述的基于艦船輻射噪聲頻域融合特征的水聲目標(biāo)識別方法，其特 征在于，步驟5具體包括以下子步驟， (5a)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)所提取的頻域融合特征構(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； (5b)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)： 5bl)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)曰。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； 5b2)更新截斷stick-breaking先驗隱馬爾可夫模型中的特征單元分布參數(shù)概率值q(Q)
其中q(QW)表示對應(yīng)于第c個目標(biāo)的特征單元分布參數(shù)概率值，表示對應(yīng)于第c 個目標(biāo)的特征單元分布參數(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)特征單元值分布參數(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， In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)； 5b3)更新stick-breaking先驗參數(shù)的概率分布q( 3D
其中Ga( ?)表示Gamma分布，5=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，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)； 5b4)更新初始狀態(tài)分布的概率值)
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)； 5b5)更新狀態(tài)轉(zhuǎn)移矩陣每一行的概率值
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幀中的狀態(tài)轉(zhuǎn)移矩陣第i行，phM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)； 5b6)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))
其中，Kslwl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^'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，L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)的特征單元總 個數(shù)，當(dāng)I= 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<I<L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 矩陣從第1個特征單元到第1+1個特征單元的對數(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x(c;'m'n) (1)代表艦船訓(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個樣本在多任務(wù) 截斷stick-breaking先驗隱馬爾可夫模型中對應(yīng)的頻域融合特征內(nèi)第1個特征單元，Clf 代表第c個目標(biāo)第1個特征單元的分布參數(shù)所對應(yīng)的隱參數(shù)集； 5b7)計算變分貝葉斯期望最大VB-EM算法的下界F
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)； 5b8)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； 5b9)循環(huán)步驟5b2)?5b8)，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； 5bl0)往復(fù)迭代步驟5b2)?5b8)，直到5b8)得到的eJltt小于設(shè)定的門限e時終止； 5bll)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)。
6. 根據(jù)權(quán)利要求5所述的基于艦船輻射噪聲頻域融合特征的水聲目標(biāo)識別方法，其特 征在于，步驟6中，對應(yīng)于第c個目標(biāo)第m幀的條件似然函數(shù)值p(Xt」c，m)可表示為：
其中E( ?)表示求期望操作，w〖'm)表示對應(yīng)于第c個目標(biāo)第m幀初始狀態(tài)概率矩陣， 叫^"表示在第c個目標(biāo)第m幀中從頻域融合特征內(nèi)第1-1單元所對應(yīng)的狀態(tài)到頻域 融合特征內(nèi)第1單元所對應(yīng)的狀態(tài)的轉(zhuǎn)移概率，
I表示在第c個目標(biāo)第m幀 中頻域融合特征內(nèi)第1單元所對應(yīng)的狀態(tài)<'m)對應(yīng)的觀測層概率分布參數(shù)的后驗期望，
1表示艦船測試訓(xùn)練輻射噪聲數(shù)據(jù)在頻域融合特征內(nèi)第1單元的觀測概 率，變量下標(biāo)中的1表示變量對應(yīng)于頻域融合特征中的第1單元。
7. 根據(jù)權(quán)利要求6所述的基于艦船輻射噪聲頻域融合特征的水聲目標(biāo)識別方法，其特 征在于，步驟7中，艦船測試目標(biāo)輻射噪聲數(shù)據(jù)的類別屬性Ctl具體為：
其中pOctestIc，m)表示艦船測試目標(biāo)輻射噪聲數(shù)據(jù)對應(yīng)于第c個目標(biāo)第m幀的條件似 然函數(shù)。
【文檔編號】G06F19/00GK104268395SQ201410493238
【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, 周濤, 蔡文郁, 李竹, 劉園園, 蔣潔, 顧梅園, 劉敬彪, 于海濱, 章雪挺 申請人:杭州電子科技大學(xué)