[发明专利]一种基于EMD和随机森林的海底底质声呐回波特征提取融合方法

权利要求书

1.一种基于EMD和随机森林的海底底质声呐回波特征提取融合方法，其特征在于：步骤如下：

步骤一：针对海底底质声呐回波信号x(t)，进行经验模态分解，得到IMF分量的和；

步骤二：对海底回波信号x(t)通过EMD分解结果进行特征量提取；

步骤三：通过随机森林的方法进行特征融合得到声呐回波信号特征量F，用随机森林的方法进行特征量融合得到最终的声呐回波信号特征量。

2.根据权利要求1所述的一种基于EMD和随机森林的海底底质声呐回波特征提取融合方法，其特征在于：步骤一具体为：

步骤1.1、运用三次样条插值确定回波待分解信号x(t)的上下包络线，

首先确定回波待分解信号x(t)中所有局部极大值点和局部极小值点，然后运用三次样条函数进行拟合，得到上包络线x_max(t)和下包络线x_min(t)；

步骤1.2、计算上包络线和下包络线的均值m(t)＝[x_max(t)+x_min(t)]/2；

步骤1.3、将回波信号x(t)通过时间特征尺度分解IMF分量I_i(t)和的形式：

3.根据权利要求2所述的一种基于EMD和随机森林的海底底质声呐回波特征提取融合方法，其特征在于：步骤二具体为：

步骤2.1、提取海底声呐回波信号x(t)的时域能量E；

提取的特征量是以上包络线和下包络线的均值曲线m(t)＝[x_max(t)+x_min(t)]/2为波形信号，时域能量E为：

步骤2.2、提取海底声呐回波信号x(t)的波形指数F_SHA，

提取的特征量是回波信号的波动程度由波形指数表示，式中分子代表着信号的有效能量，分母代表信号数据的平均值；

步骤2.3、提取海底声呐回波信号x(t)的加权波形指数F_SHAW；

回波信号x(t)，其共有n阶IMF分量，各阶IMF分量的波形指数分别为F_SHA1，F_SHA2，……，F_SHAn，其对应的权系数分别为ω₁，ω₂，……，ω_n，则加权后的波形指数为F_SHAW：

步骤2.4、提取海底声呐回波信号x(t)的加权能量矩F_IMFW，

声呐回波信号x(t)，其中x(i)表示回波信号的采样值，其能量矩为各阶IMF分量对应的相关系数为其能量矩的权系数，取各阶IMF分量对应的相关系数为权系数，对回波信号的各阶IMF能量矩进行加权求和，得到改进后的能量矩参数为加权能量矩：

4.根据权利要求3所述的一种基于EMD和随机森林的海底底质声呐回波特征提取融合方法，其特征在于：步骤三具体为：

步骤3.1、构建随机森林的模型，

采用随机森林的方法对由EMD方法得到的全体特征量F＝(E,F_SHA,F_SHAW,F_IMF,F_IMFW)进行训练集样本，得到随机森林分类器；

步骤3.2、通过随机森林模型对回波信号进行分类，得到重要性指标；

去掉一维特征向量将剩余数据集平均分为两个部分，称为a和b两个数据集；利用训练好的随机森林模型对a数据集进行分类，得到准确率1；对b数据集的第j维进行加噪处理，并利用训练好的随机森林模型对加噪后的b数据集进行分类，得到准确率2；令准确率1和准确率2的差值作为第j维的重要性估计值；

步骤3.3、通过重要性指标给每维特征量赋予权重，进行特征融合，

确定重要性估计值的范围，对于小于重要性估计值差值I_j将其特征量舍弃，对于大于重要性估计值差值I_j将其特征量进行权重分配，对于第j维特征量其权重为：