[发明专利]一种基于经验模态分解与1(1/2)谱分析的目标检测方法

说明书

本发明涉及一种基于经验模态分解与1(1/2)谱分析的目标检测方法，包括两部分：一是利用EMD方法对获得的可能含有目标的信号进行分解，并对获得的各阶IMF分量与环境噪声进行相关性检验，将相关性弱的IMF分量视为可能含有目标的阶次并提取；二是采用谱分析方法对筛选出的IMF分量中环境噪声进行抑制，以获得较为清晰的目标分量用以进行目标检测。本发明方法，在对水中目标进行检测时，从目标辐射噪声本身特性出发提取它有别于环境噪声的特征，相较于传统的依赖于能量检测的方式，受海洋环境噪声波动干扰较小，且无需长时间观测、时效性好，对各种海洋环境、各种实际情况下的目标检测更具适应性。

技术领域

本发明属于水声探测领域，涉及一种基于经验模态分解与1(1/2)谱分析的目标检测方法，具体涉及一种基于经验模态分解与1(1/2)谱分析的目标检测方法。

背景技术

随着潜艇消声材料和消声技术的发展，水声目标辐射噪声的检测难度日益增加。常规的目标被动检测可以通过增大观测时间，持续观测目标水域的声能量变化来提高检测率，但该方法时效性差、容易受环境起伏的影响。也可以通过空域波束形成方法对各路波束输出信号求能量得到空间谱，但这种方法在实际使用中受到接收阵列尺寸的限制，目标分辨率低、弱目标检测性能差。因此随着水中目标隐身技术的不断进步以及海洋航运业日渐繁荣带来的背景噪声提升，基于能量的目标检测方法越来越难以检测到水中目标。水中目标辐射噪声的总功率虽然在减弱，但它依然存在一些特征可供检测和辨识。水中目标的特征和其动力推进方式、螺旋桨结构和外形构造密切相关，且这些特征是必然存在的，故基于特征的目标检测方法将成为新的主流。

1998年N.E.Huang等人提出了一种新型时频处理办法—经验模态分解方法(Empirical Mode Decomposition，EMD)。该方法被认为是有别于以傅立叶变换为基础的线性和稳态频谱分析的一个重大突破，该方法是依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。这一点与建立在先验性的谐波基函数的傅里叶分解和小波基函数上的小波分解方法具有本质性的差别。正是由于这样的特点，经验模态分解方法在理论上可以应用于任何类型的信号的分解，因而在处理非平稳及非线性数据上，具有非常明显的优势,适合于分析非线性、非平稳信号序列，具有很高的信噪比增益。所以，经验模态分解方法一经提出就在不同的工程领域得到了迅速有效的应用，例如用在海洋、大气、天体观测资料与地震记录分析、机械故障诊断、密频动力系统的阻尼识别以及大型土木工程结构的模态参数识别方面。

高阶统计量是指阶数大于二阶的统计量，主要有高阶矩、高阶累积量和高阶累积量谱(简称高阶谱)等内容。二十世纪八十年代后期，随着计算机技术的发展，高阶统计量在雷达、声呐、通信、海洋学、天文学、电磁学、等离子体、结晶学、地球物理、生物医学、故障诊断、振动分析、流体动力学领域获得了广泛的应用。其突出的优点有：(1)抑制高斯色噪声的影响；(2)辨识非因果、非最小相位系统或重构非最小相位信号；(3)提取由于高斯性偏离引起的各种信息；(4)检验和表征信号中的非线性以及辨识非线性系统；(5)检验和表征信号中的循环平稳性以及分析和处理循环平稳信号。由于高阶累积量包含了二阶统计量(功率谱和相关函数)没有的大量丰富信息，利用高阶累积量从噪声环境中提取或者恢复、增强谐波信号，是令研究人员十分感兴趣的领域。在信号处理领域，高阶累积量在信号检测、信道均衡、参数估计、阵列处理、疾病诊断及目标分类识别等方面都得到了广泛应用。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于经验模态分解与谱分析的目标检测方法，解决在水下目标信号级越来越弱、海洋环境噪声干扰越来越大的环境下单纯靠能量检测已无法在实战中发挥作用的问题。

技术方案

一种基于经验模态分解与1(1/2)谱分析的目标检测方法，其特征在于步骤如下：

步骤1：采用EMD方法对可能含有目标的水中信号片段进行分解，提取原信号由 n阶IMF和残差，信号经经验模态分解后表示为：