[发明专利]一种基于两级CNN的船舶辐射噪声信号识别方法

权利要求书

1.一种基于两级CNN的船舶辐射噪声信号识别方法，其特征在于，该方法具体包括：

步骤1、对已知类别的船舶的辐射噪声信号进行预处理，并构建训练集和测试集；确定第一级卷积神经网络，即第一级CNN和第二级卷积神经网络，即第二级CNN；

步骤2、构建第一级CNN的训练集和测试集；

步骤3、构建第二级CNN的训练集和测试集；

步骤4、分别训练所述第一级CNN和所述第二级CNN；

步骤5、通过设备读取待识别的船舶辐射噪声信号；提取所述待识别的船舶辐射噪声信号的频谱特征；

步骤6、将包含频谱特征的所述待识别的船舶辐射噪声信号输入到所述第一级CNN中，并进行分类，输出各类频谱相似度较低的频谱序列，并获得各类频谱相似度较高的频谱序列；

步骤7、对步骤6中获得的所述各类频谱相似度较高的频谱序列，提取频谱的包络特征，再输入到所述第二级CNN，得到基于包络特征的频谱相似度较高的目标识别结果；

步骤8、对步骤6中获得的所述各类频谱相似度较高的频谱序列，提取频谱的线谱特征，再输入到所述第二级CNN，得到基于线谱特征的频谱相似度较高的目标识别结果；

步骤9、分析步骤7和步骤8中的目标，找出其中识别结果不同的目标样本，并将其放在一起，作为待定样本集K；进行决策融合，确定最终识别结果；

在所述步骤9中，进行决策融合，确定最终的识别结果的具体过程如下：

步骤9-1)对步骤6得到的频谱相似度较高的分类，将步骤3所获得的频谱线谱和包络的测试集分别输入对应的第二级CNN中，得到基于包络和线谱的测试集识别结果分别设为m₁，m₂，步骤7的第二级CNN的测试集中所有目标的集合为Ω₁，分别确定Ω₁中每一目标的基本分配概率m₁(η₁)和对应的不确定概率m₁(θ)，其中，η₁是Ω₁中的某一目标；步骤8的第二级CNN的测试集中所有目标的集合为Ω₂，其中，η₂是Ω₂中的某一目标；分别确定Ω₂中每一目标的基本分配概率m₂(η₂)和不确定概率m₂(θ)；

步骤9-2)分析步骤7和步骤8中的目标，找出其中识别结果不同的目标样本，并将其放在一起，作为待定样本集K_s；设频谱包络测试集样本总数和频谱线谱测试集样本总数均为K；按如下规则确定待定样本K的最终识别结果：

1)若m₁(η₁)m₂(η₂)，最终识别结果为η₁；

2)若m₁(η₁)m₂(η₂)，最终识别结果为η₂；

3)若m₁(η₁)＝m₂(η₂)，则比较m₁(θ),m₂(θ)；若m₁(θ)＜m₂(θ)，最终识别结果为η₁，否则，最终识别结果为η₂。

2.根据权利要求1所述的一种基于两级CNN的船舶辐射噪声信号识别方法，其特征在于，在所述步骤7中，对步骤6中获得的所述各类频谱相似度较高的频谱序列，分别提取各自的频谱的包络特征，具体过程为：

将所述步骤6中获得的所述各类频谱相似度较高的频谱序列平均分成m段，每段长为L/m，其中，m为小于L/10的正数；其中，L为该频谱序列的总长度；分别取出每段频率序列中的最大值，将所述最大值连接起来，获得频谱包络序列；再将所述频谱包络序列以黑白图像的形式表示，且所述黑白图像的尺寸为32*32，其中，白色表示频谱包络序列，黑色为背景，将所述黑白图像作为第二级CNN的输入样本。