[發明專利]一種基于概率潛在語義分析的水下目標信號特征提取方法

有效

• 申請號: 202010931222.0
• 申請日: 2020-09-07
• 公開（公告）號: CN112183225B
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 殷波;魏志強;賈東寧
• 申請（專利權）人: 中國海洋大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 青島華慧澤專利代理事務所(普通合伙) 37247
• 代理人: 趙梅

本發明公開了一種基于概率潛在語義分析的水下目標信號特征提取方法，包括如下步驟：對混合有噪聲的水下目標信號進行處理得到降噪頻譜圖利用原始頻譜圖v和降噪頻譜圖進行頻譜可靠性權重計算，得到加權后第n個頻段的降噪頻譜圖S_n；對S_n進行短時傅里葉變換，得到信號對使用頻譜三角濾波器進行濾波，得到濾波后的整個頻譜對進行矩陣分解，提取具有最高貢獻率的前L個特征向量，構成聲學子空間；對提取的前L個特征向量進行歸一化計算，將歸一化后的L個特征向量連接起來，以構建聲學特征向量。本發明所公開的方法實現了從時間與頻率相結合來反映聲音信號特征，可以降低噪聲的污染，從而更有效的表征聲音信號。

技術領域

本發明涉及一種基于概率潛在語義分析的水下目標信號特征提取方法。

背景技術

海洋資源的開發和利用是實現可持續發展的重要途徑，水下目標識別可以更好的進行海洋勘探與海洋生物的保護。水下目標識別技術分為主動識別與被動識別兩種，前者利用聲納發射脈沖信號，根據接受的回波信號特征對目標進行判斷，優點是回波信號中帶有大量反應目標本質特性的信息，但缺點是易于暴露。被動目標識別則可以通過被動聲納接受水下目標輻射噪聲特性進行分類判斷，隱蔽性比較好，但受噪音干擾較大，接受的信號信噪比低，不利于識別。

目標特征提取是自動水下目標識別技術的核心內容之一，到目前為止，已經出現了一系列對水下噪聲信號的特征提取方法，主要有以下幾種：基于譜分析的特征提取、基于艦船噪聲的非線性特征提取、基于小波變換的特征提取法、神經網絡特征提取法以及基于人耳聽覺特征的特征提取方法。大量研究表明這些方法在實驗室有良好的識別性能，但有一定的不足與限制。

由于艦船結構多樣性以及海洋環境復雜性，在信號檢測過程中，待檢測信號會被噪聲污染，嚴重影響輸出波形，直接從待檢測信號中提取有效識別的特征比較困難。對水下噪聲信號的特征提取方法，主要有以下幾種：時域上的波形結構特征提取、頻域上的經典譜估計以及時間-頻率域上基于小波變換的特征提取等。時域上的波形結構特征提取是基于目標之間的結構、材料或形狀之間的差異會反映在其回波形狀上，目標差異越明顯其波形結構差異越明顯，這些差異音隱藏著目標之間的特性，從波形結構里提取目標的分類特征。頻域上的經典譜估計是指將信號處理后得到的頻譜特征，通過譜估計方法對目標進行辨別，并從中進行目標特征參數提取?；谛〔ㄗ儞Q的特征提取是將含噪信號進行小波變換，在信噪分離過程中，改變小波系數，從而實現噪聲的消除，使得保留的系數為信號所控制。

由于水下目標噪聲是一種典型的非線性非平穩隨機信號，傅里葉變換分析方法在任一頻點上的值是在整個時間軸上的積分平均，不能準確反映非平穩信號的時變特征，且看不到任何時間域內的信息。小波分析雖能同時提供聲音信號的時域和頻域的局部化信息，但由于基函數的長度有限，在對信號做小波變換時會產生能量泄露，難以對信號做精確的時頻域分析。具體存在的缺陷通常來說表現在以下兩個方面:

1)傳統方法通過時域或者頻域單一方向進行特征提取，對于聲信號而言，時間與頻率都能反映聲音信號的特征，傳統方法未能將兩者結合進行研究，且噪聲對準確率的影響較大。

2)對于小波分析而言，雖然能同時提供聲音信號的時域和頻域的局部化信息，但其時頻分辨率不高且不具備自適應能力。

發明內容

為解決上述技術問題，本發明提供了一種基于概率潛在語義分析的水下目標信號特征提取方法，實現從時間與頻率相結合來反映聲音信號特征，達到降低噪聲的污染，從而更有效的表征聲音信號的目的。

為達到上述目的，本發明的技術方案如下：

一種基于概率潛在語義分析的水下目標信號特征提取方法，包括如下步驟：

步驟一，對混合有噪聲的水下目標信號進行處理得到降噪頻譜圖

步驟二，利用原始頻譜圖v和降噪頻譜圖進行頻譜可靠性權重計算，得到加權后第n個頻段的降噪頻譜圖S_n；