[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

说明书

本发明提出了一种针对海底底质声呐回波特征量融合的特征提取方法，采用EMD方法对回波信号进行分解，得到各阶IMF分量，进行回波波形特征量提取，利用EMD和随机森林方法对底质声纳回波进行特征提取融合，改善了传统融合方法对特征量的要求、同时解决特征量存在冗余的问题。采用EMD对声呐回波信号进行特征量提取解决特征量单一在时域或者频域的问题，同时应用随机森林方法进行特征量融合也能较好的解决便于反演和特征冗余的问题，同时还能减小测试时间和训练时间。

技术领域

本发明涉及回波波形的特征提取，尤其涉及一种基于EMD和随机森林的海底底质声呐回波特征提取融合方法，属于海底测绘领域。

背景技术

海底底质声呐回波波形能反映出海底地貌及底质特征的相关信息，是海洋地质调查和海底底质特征提取、分类反演的重要信息源，对于军事领域(距离预报、潜艇沉底隐蔽地址选择等方面)也有着十分重要的意义。目前常用方法是先提取海底回波信号的统计特征量，然后通过比较特征量间的差异从而实现海底底质的分类。存在特征向量维度大，分类器设计困难，分类效果不好及不能获得最具代表性的特征向量。

在海底声呐回波波形的研究中，正入射超声脉冲的海底回波形状与海底表面的粗糙度、沉积物中声波的衰减系数、海底声速结构、密度结构等有关，包含着有关沉积物的结构和物理性质的信息。不同硬度和粗糙度的沉积物的回波形状差别很大，硬底质的回波波形狭窄尖锐且峰值较大，而软底质的回波波形较平坦但拖尾较长。

水下回波信号中包含了大量的目标特征信息，这是由于主动回波是发射信号与目标的冲激响应的卷积，再加上各种干扰及背景噪声等，因而主动回波的特征提取一直是人们关心的问题。为了从回波中提取目标特征以进行目标分类和识别，人们已经提出了很多信号处理方法，如高阶谱、短时傅立叶变换和小波变换。传统上，可以提取回波信号的时域波形特征作为分类特征量，这些特征包括最大峰值、最大峰值所对应的时间、有效值、绝对均值、方差、峰值因子、波形因子、质心、波形宽度、峭度、偏度等。同时，傅立叶变换是信号处理的主要工具，但是，傅立叶分析只能获得信号的整体频谱，而不能获得信号的局部特征。因此，在信号处理领域提出了一些时频分析方法，而这些时频分析方法都有一些局限性。EMD理论的出现打破了这些局限性。EMD方法在处理非平稳、非线性复杂信号时，有着十分显著的优点。

针对多样本EMD特征量多不利于分类器训练这一缺点，本文提出通过随机森林进行特征量融合这一方法进行改进。目前常用的特征融合技术有串行特征融合和并行特征融合两种。并行特征融合实际上是酉空间上的特征融合，它采用复向量的形式λ＝α+iβ(i为虚数单位，α、β分别同一样本的两个不同特征量)，把两个特征组合一起。很显然，并行特征融合只能融合两个特征，对于多个特征的融合显得无能为力。而串行融合方法则可以组合多个特征量。于是提出结合EMD和随机森林的特征提取模型，通过随机森林重要性评估的方法能够进一步估计出特征向量中的权重，进行特征融合，最后便于分类器进行分类。

发明内容

本发明的目的是针对现有的声呐回波波形特征提取方法对分类反演准确性的影响，及多样本EMD特征量多不利于分类器训练这一缺点，本发明提出了通过粒子滤波进行特征量融合估计这一方法进行改善，是一种适用于海底底质声呐回波波形特征提取和分类方法

本发明的目的是这样实现的：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。

本发明还包括这样一些结构特征：

1.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，