[發明專利]一種適用于無人聲納的DEMON譜特征提取方法

有效

• 申請號: 202010467366.5
• 申請日: 2020-05-28
• 公開（公告）號: CN111735525B
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 鄒男;付進;孟慶春;王逸林;梁國龍;邱龍皓;王晉晉;曲坦;李晨牧;杜致堯
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G01H3/08
• 分類號: G01H3/08;G01H3/10
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 張宏威

1.一種適用于無人聲納的DEMON譜特征提取方法，其特征是：包括以下步驟：

步驟1：采用小波去噪技術，降低待處理信號中噪聲影響；

所述步驟1具體為：

步驟1.1：采用Mallat算法去噪，選擇Daubechies小波基的DB3小波，對接收信號分別進行三層小波分解，確定小波變換的低通濾波器和小波變換的高通濾波器，通過下式表示小波變換的低通濾波器和小波變換的高通濾波器：得到小波分解系數：

h(z)＝h_-2z²+h_-1z+h₀+h₁z^-1+h₂z^-2+h₃z^-3

g(z)＝-h₃z²+h₂z-h₁+h₀z^-1-h_-1z^-2+h_-2z^-3

其中，h(z)為小波變換的低通濾波器，g(z)為小波變換的高通濾波器，z為小波系數；

得到小波分解系數，通過下式表示小波分解系數：

h_-2＝0.333，h_-1＝0.807，h₀＝0.459，h₁＝-0.135，h₂＝-0.085，h₃＝0.035；

步驟1.2：對分解得到的小波系數進行軟閾值處理，通過下式表示軟閾值函數：

其中，w_λ為去噪后的小波系數，w為去噪前的小波系數；

對軟閾值函數采用了極大極小閾值，通過下式表示極大極小閾值λ：

其中，N為數據長度；

對閾值處理后的小波系數進行重構，得到降噪后的信號；

步驟2：將降噪后的信號通過帶通濾波器濾波，提取濾波后的頻段信號；

步驟3：根據濾波后的頻段信號，進行調制譜檢測，進行去信號直流操作，并通過低通濾波器，完成包絡檢測，得到解調后的信號；

步驟4：對解調后的信號進行傅里葉變換，并進行平均周期圖譜估計，得到DEMON線譜；

所述步驟3具體為：根據濾波后的頻段信號，進行調制譜檢測，進行去信號直流操作，并通過低通濾波器，完成包絡檢測，得到解調后的信號；

根據濾波后的頻段信號，使用聲能流處理降低噪聲對調制譜檢測的影響，在二維水平面內，通過下式表示聲能流：

其中，I_x/y(t)為聲能流，p_band(t)為濾波后的p通道數據，v_xband/yband(t)為濾波后的x/y通道數據，n_p(t)和為各向同性噪聲干擾；

采用了乘法檢波，通過下式表示乘法檢波：

I_px(t)＝p_band(t)·v_xband(t)

其中，I_px(t)為處理后的聲能流；

進行去信號直流操作，通過下式表示信號直流操作：

I_d(t)＝I_px(t)-mean(I_px(t))

其中，mean()表示去均值操作；

對去直流后的信號I_d(t)進行低通濾波處理，完成包絡檢測，得到解調后的信號，通過下式表示解調后的信號S(t)：

S(t)＝filter_lowpass(I_d(t))；

步驟5：根據得到的DEMON線譜，基于門限準則自主提取線譜；

步驟6：根據基于門限準則自主提取后的線譜，進行軸頻估計，并進行槳葉數估計；

所述步驟6中根據基于門限準則自主提取后的線譜，進行軸頻估計具體為：根據基于門限準則自主提取后的線譜，采用了倍頻估計算法估計提取后的DEMON譜的軸頻，確定可疑基頻個數P，將P根線譜進行從小到大頻率排序為F_j，對應的幅度為H_j，j＝1，2，...P

譜線中頻率最小的(F₁，H₁)開始，搜索所有的疑似線譜簇，根據判決門限α判斷是否滿足倍頻關系，通過下式表示判斷準則：

判定頻率f_j為F₁的次倍頻，round()運算表示四舍五入取整，再搜索(F₂，H₂)的各次倍頻，并紀錄下來；

當某次倍頻位置有兩個或以上的譜線都滿足的門限α的檢測準則，將滿足的譜線進行比較，取誤差最小的作為最后的諧波；

計算P個基頻和對應的八次諧波的總能量，總能量最大的對應的基頻目標的基頻作為軸頻估計結果；

所述步驟2具體為：對降噪后的信號進行帶通濾波處理，提取濾波后的頻段信號，通過下式表示濾波后的頻段信號：

p_band(t)＝filter_bandpass(p)

v_xband(t)＝filter_bandpass(v_x)

v_yband(t)＝filter_bandpass(v_y)

其中，p_band(t)為濾波后的p通道數據，v_xband(t)為濾波后的x通道數據，v_yband(t)為濾波后的y通道數據，v_y為降噪后的y通道數據，p為降噪后的p通道數據，v_x為降噪后的x通道數據；

所述步驟4具體為：對解調后的信號進行傅里葉變換，通過Welch平均周期圖處理進行平均周期圖譜估計，選擇長度為12.8s或25.6s的矩形窗，窗長度選擇2的整數次冪采樣點，當窗長為12.8s時，處理后的DEMON譜分辨率為0.08Hz；當窗長為25.6s時，處理后的DEMON譜分辨率約為0.04Hz；

Welch周期圖處理選擇了窗長為25.6s的矩形窗，窗重合率為50％，此時得到的DEMON譜S_welch(n)分辨率為0.04Hz；

選擇了雙向α濾波算法對平均周期圖處理后的信號S_welch(n)做背景均衡處理，確定α濾波器的輸出，通過下式表示α濾波器的輸出

/

確定α逆濾波器的輸出，通過下式表示α逆濾波器的輸出

其中，自適應閾值為c為常數，k選值為10，α選值為0.1；

得到估計的DEMON線譜，通過下式表示估計的DEMON線譜S_back(n)：

S_back(n)S_welch(n)-S_con(n)

其中，S_con(n)為連續估計譜；

所述步驟5具體為：根據得到的DEMON線譜，基于門限準則自主提取線譜，所述門限準則包括峰值門限、斜率門限和峰寬門限，同時滿足三種門限是，提取所需的調制線譜；

所述步驟6中槳葉數估計具體為：構建螺旋槳DEMON譜諧波簇特征結構模板，計算機生成M級8階模板，對模板進行初步分類，去除不存在的模板，形成初步的模板庫；

對模板庫的完整性以及不同模板之間的相似性進行分析；計算目標信號與模板結構的向量相似度Sim；

計算目標信號與模板結構的距離相似度Dis；樣本與模板間的綜合距離與余弦相似度和距離相似度有關，計算樣本與模板間的綜合距離，通過下式樣本與模板間的綜合距離C：

并由綜合距離給出識別結果的置信度，得到槳葉數的估計結果。