[发明专利]一种水下目标辐射噪声信号的特征提取方法

摘要

本发明提出的一种水下目标辐射噪声信号的特征提取方法，首先对声信号的可视化方法进行了研究，得到了时频可视化图像。接着，以时频可视化图像中声谱图为研究对象，对其进行可视化特征提取方法研究，包括：基于图像纹理特征提取和图像中心矩特征提取。在此基础上，分别利用PCA和LDA算法对上述方法得到的可视化特征进行了优化选择和降维，最后将其应用于水下目标识别的仿真中，实验结果表明，该混合特征下三类水下噪声信号的平均识别率可达91.97％。经过选择后的可视化特征参数的识别率与传统方法提取的特征参数相比，有了显著的提高。

主权项

一种水下目标辐射噪声信号的特征提取方法，其特征在于步骤如下：步骤1：对水下目标的离散时域采样信号x(p)进行分帧处理得到分帧处理后信号xn(m)，其中：p为时域采样点序号，p＝0，1，2，…，P‑1，P为信号长度；n是帧序号，m是帧同步的时间序号，N为帧长，m＝0，1，2，…，N‑1；步骤2：对分帧处理后信号xn(m)进行短时傅里叶变换：X(n，ejw)＝∑xn(m)w(n‑m)e‑jwm其中w(m)为窗序列；步骤3：计算X(n，ejw)的短时幅度谱|X(n，k)|，其中0≤k≤N‑1，得到功率谱函数Y(n，k)＝|X(n，k)|2＝(X(n，k))×(conj(X(n，k)))；步骤4：以n为横坐标，以k为纵坐标，将Y(n，k)的值以图像表示得到声谱图；步骤5：采用纹理特征提取方法和图像中心矩特征提取方法对声谱图进行图像的特征提取，得到30维可视化特征参数；步骤6：对得到的30维可视化特征参数，利用主成分分析PCA及线性判别分析LDA的方法进行特征的优化选择及降维处理，得到20维混合特征。