[发明专利]一种水中目标辐射噪声识别方法及系统

说明书

本发明公开一种水中目标辐射噪声识别方法及系统，方法包括以下步骤：获取相同水中目标不同工况和相同工况不同水中目标的辐射噪声，对所述的辐射噪声信号进行压缩感知处理，对处理后的辐射噪声信号进行经验模式分解，得到若干个本征模式分量；计算每个所述本征模式分量之间的互信息熵，利用所述互信息熵的局部最小值得到真实的本征模式分量数k；对处理后的辐射噪声信号基于本征模式分量数k进行变分模式分解，并获取其最大能量本征模式分量的中心频率；利用所述中心频率构建水中目标辐射噪声特征集进行识别；有效避免了经验模式分解的模式混叠和边界效应，也改进了变分模式分解依赖先验知识的弊端，提高水中目标识别方法的自适应性。

技术领域

本发明属于水声信号处理领域，涉及一种水中目标辐射噪声识别方法，特别涉及一种基于压缩感知和中心频率的水中目标辐射噪声识别方法。

背景技术

水声信号处理领域中，舰船等水中目标辐射噪声包含了丰富的舰船信息，对于水中目标的识别具有重要意义，但由于产生机理复杂、成分多样，并伴随有较强的环境噪声和明显的幅度调制成分，导致对于水中目标辐射噪声的处理非常困难。传统的方法过分依赖操作员和先验知识，严重降低了水中目标辐射噪声的识别效率和准确率。开展水中目标辐射噪声自适应特征提取方法对提高水中目标辐射噪声的识别具有重要意义。

发明内容

为了解决现有技术中存在的问题，本发明提供一种基于压缩感知和中心频率的水中目标辐射噪声识别方法，有效避免了经验模式分解的模式混叠和边界效应，也改进了变分模式分解依赖先验知识的弊端，提高了水中目标识别方法的自适应性。

为了实现上述目的，本发明采用的技术方案是：一种水中目标辐射噪声识别方法，包括以下步骤：

获取相同水中目标不同工况和相同工况不同水中目标的辐射噪声，对所述的辐射噪声信号进行压缩感知处理，增强辐射噪声信号的线谱能量；

对压缩感知处理后的辐射噪声信号进行经验模式分解，得到若干个本征模式分量；

计算每个所述本征模式分量之间的互信息熵，利用所述互信息熵的局部最小值得到真实的本征模式分量数k；

对压缩感知处理后的辐射噪声信号基于本征模式分量数k进行变分模式分解，并获取其最大能量本征模式分量的中心频率；

利用最大能量本征模式分量的中心频率构建水中目标辐射噪声特征集进行识别。

对原始水中目标辐射噪声信号x∈R^N×1进行压缩感知处理，利用观测矩阵获得观测向量y∈R^M×1，使得包括以下步骤：

S11，设一组正交基(Ψi为N维列向量)，把原始信号x∈R^N×1在改组正交基上展开，获得其中为展开系数，可得x＝Ψθ；

S12，利用观测矩阵对原始信号x∈R^N×1在采样过程中压缩，可得y＝ΦΨθ＝A^csθ，其中A^cs为压缩感知信息算子；

S13，由于θ是稀疏的，从y中重构出θ，得到θ后再根据S11最终恢复出原始信号x∈R^N×1。

利用经验模式分解对压缩感知处理后的水中目标辐射噪声进行处理，将经过压缩感知处理后的水中目标辐射噪声分解，获得N个本征模式分量IMF_N；

经验模式分解首先找出水中目标辐射噪声所有极大值点，并用三次样条插值函数拟合形成原始数据所有极大值的包络线ml_MAX，然后找出水中目标辐射噪声所有极小值点，并用三次样条插值函数拟合形成原始数据所有极小值的包络线ml_min，将极大值的包络线ml_MAX和极小值的包络线ml_min求均值的ml，求ml与原始数据的差，得到新的数据序列IMF；直到不存在局部极大值和局部极小值时，算法结束。