專利名稱:基于小波域的水聲噪聲的檢測與識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于小波域的水聲噪聲(水聲噪聲分為船舶噪聲和海洋環(huán)境噪聲)的檢測與識(shí)別方法，涉及非平穩(wěn)信號(hào)處理、模式識(shí)別和數(shù)據(jù)挖掘等領(lǐng)域，能直接應(yīng)用于海軍武器裝備的目標(biāo)檢測與識(shí)別。
背景技術(shù)：
水聲技術(shù)是利用聲波對(duì)水中、海底以及海底以下目標(biāo)進(jìn)行探測、定位、跟蹤、識(shí)別以及水下通訊、導(dǎo)航等的方法與技術(shù)。1912年“泰坦尼克”號(hào)巨型客輪沉沒事件，促進(jìn)了近代水聲技術(shù)的誕生。第一次世界大戰(zhàn)中，出現(xiàn)回聲定位聲納。第二次世界大戰(zhàn)中，水聲技術(shù)有較大發(fā)展，改進(jìn)了聲納設(shè)備，且出現(xiàn)了聲制導(dǎo)魚雷和音響水雷。50年代以后，潛艇活動(dòng)能力的增強(qiáng)與核潛艇的出現(xiàn)，水聲物理研究和信息論研究的進(jìn)展以及無線電電子學(xué)、計(jì)算機(jī)科學(xué)和換能器技術(shù)、信號(hào)處理技術(shù)進(jìn)步，對(duì)水聲技術(shù)的發(fā)展有很大促進(jìn)。目前水聲技術(shù)除有廣泛的軍事用途以外，還用于海洋開發(fā)、海上石油開發(fā)、近岸工程、海洋漁業(yè)、海洋學(xué)以及海洋物理學(xué)的研究，并已成為重要的技術(shù)產(chǎn)業(yè)部門。ICASSP(International Conference of AcousticsSpeech and Signal Processing.聲納、語音和信號(hào)處理國際會(huì)議)每一屆與水聲信號(hào)處理有關(guān)的論文都在1-10％左右，這反映了它的受重視程度。
在水聲技術(shù)方面有著大量的研究工作，比如，海洋環(huán)境噪聲、聲納和主動(dòng)回波、到達(dá)方向(DOA)估計(jì)、時(shí)延估計(jì)、跟蹤、定位、海豚(江豚)研究、通訊、聲波的海底反射、檢測、激光水下目標(biāo)探測、三維物體識(shí)別的逆問題等方面的研究。
對(duì)水下探測器而言，其任務(wù)是要將艦船輻射噪聲從海洋環(huán)境噪聲中檢測出來，從而進(jìn)行目標(biāo)分類等后續(xù)處理。
作為艦船輻射噪聲的背景，海洋環(huán)境噪聲極為復(fù)雜。它的頻譜很寬，并隨著時(shí)間和地理位置的變化而出現(xiàn)變異，具有變化的統(tǒng)計(jì)特性，對(duì)發(fā)自相似聲源的聲的傳播特性有著很大影響。
艦船輻射噪聲可能是來自推動(dòng)系統(tǒng)、螺旋槳、輔機(jī)、水動(dòng)力效應(yīng)或船體運(yùn)動(dòng)等方面，艦船機(jī)械源的噪聲級(jí)變化較大，潛艇可能只產(chǎn)生僅約10mW的聲功率，而水面艦船可能產(chǎn)生高達(dá)100W的聲功率。隨著船用材料發(fā)展，艦艇變得越來越安靜，它們反射的(主動(dòng)系統(tǒng))或輻射的(被動(dòng)系統(tǒng))窄帶或?qū)拵芰匡@著降低。艦船輻射噪聲和目標(biāo)強(qiáng)度的降低使得聲納要處理的信號(hào)在功率上將要降低一個(gè)數(shù)量級(jí)。
在艦船輻射噪聲的信號(hào)性質(zhì)方面，經(jīng)典譜結(jié)構(gòu)理論認(rèn)為艦船輻射噪聲譜有兩種根本不同的類型一種是有連續(xù)譜的寬帶噪聲，其噪聲級(jí)是頻率的連續(xù)函數(shù)；另一種是具有非連續(xù)譜的單頻噪聲，這種噪聲由出現(xiàn)在離散頻率上的線譜組成。艦船輻射噪聲在很大的頻率范圍內(nèi)由這兩類噪聲混合而成，并且可以表示為疊加有線譜的連續(xù)譜。
由已掌握的海洋環(huán)境噪聲和艦船輻射噪聲的知識(shí)知道，采用一種科學(xué)的方法將具有非平穩(wěn)性質(zhì)的艦船目標(biāo)信號(hào)從海洋這個(gè)復(fù)雜環(huán)境中檢測出來，并對(duì)其進(jìn)行目標(biāo)分類等任務(wù)，將具有十分重要的軍事價(jià)值。同樣，其理論方法也可以為民用帶來巨大的經(jīng)濟(jì)價(jià)值。然而，對(duì)海洋環(huán)境和艦船輻射噪聲的認(rèn)識(shí)從某種意義上來說尚處在一個(gè)初級(jí)水平的階段，對(duì)海洋環(huán)境和艦船輻射噪聲的分析建模是一個(gè)重大難題，在這個(gè)方向進(jìn)行專項(xiàng)深入研究有著重要意義。
在建模方面，對(duì)海洋環(huán)境噪聲多假設(shè)為高斯分布的噪聲，沒有對(duì)其非高斯性進(jìn)行深入研究和相應(yīng)的建模研究。對(duì)船舶噪聲的建模以往主要從兩個(gè)方面進(jìn)行，一方面是機(jī)理建模，即通過對(duì)船舶上的不同聲源的研究建立相應(yīng)的機(jī)理模型，研究的代表性工作如陶篤純等利用船舶本身的結(jié)構(gòu)特征來研究產(chǎn)生的船舶噪聲(艦船噪聲節(jié)奏的研究-數(shù)學(xué)模型及功率譜密度。聲學(xué)學(xué)報(bào)。1983，8(2))；另一方面是通過對(duì)大量的船舶噪聲信號(hào)的統(tǒng)計(jì)分析建立模型，如許多文獻(xiàn)根據(jù)船舶噪聲具有連續(xù)不可導(dǎo)和非平穩(wěn)的特性，建立了分段自仿射IFS(迭代函數(shù)系統(tǒng))模型(船舶輻射噪聲的分段自仿射IFS模型.聲學(xué)技術(shù).1999，18(1)22-25)，提取出IFS參數(shù)并計(jì)算出IFS分形維數(shù)。另外一些文獻(xiàn)提出了一種適用于船舶噪聲的非平穩(wěn)ARMA模型(船舶輻射噪聲的非平穩(wěn)ARMA模型的建立.應(yīng)用科學(xué)學(xué)報(bào).1999，17(1)，18-25)等等方法都屬于統(tǒng)計(jì)建模方式。對(duì)前一種建模方式而言，在現(xiàn)實(shí)中由于船體本身結(jié)構(gòu)是十分復(fù)雜的，引起噪聲的聲源也十分繁多，傳播的信道途徑無法準(zhǔn)確建模，因此建立一個(gè)準(zhǔn)確的機(jī)理模型幾乎無法實(shí)現(xiàn)，而且不具有普遍性。后者是從統(tǒng)計(jì)分析的角度對(duì)船舶噪聲進(jìn)行建模，但是模型的實(shí)用性較差，無法實(shí)現(xiàn)在海洋環(huán)境為背景下的船舶噪聲的檢測，并且運(yùn)算量大，無法真正做到實(shí)用。這些統(tǒng)計(jì)方法雖然涉及了船舶噪聲的非高斯性，但沒有對(duì)船舶噪聲的非高斯性真正建模，并不能很好地描述和解釋船在不同工作狀態(tài)下船舶產(chǎn)生噪聲不同的原因。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)的不足，提供一種基于小波域的水聲噪聲的檢測與識(shí)別方法，能對(duì)采集到的眾多海洋信號(hào)進(jìn)行識(shí)別分類，從中檢測出目標(biāo)信號(hào)，快速準(zhǔn)確、虛警概率低。
為實(shí)現(xiàn)這樣的目的，本發(fā)明根據(jù)水聲噪聲的非高斯特性，在小波多尺度域提出了一種基于概率統(tǒng)計(jì)建模的水聲噪聲建模方法HMT(小波域隱馬爾可夫樹模型)。根據(jù)海洋環(huán)境噪聲的模型和船舶輻射噪聲模型的特征差異，提出一種新的基于Nyman-Pearson(奈曼-皮爾遜)準(zhǔn)則的檢測方法，即將船舶噪聲對(duì)于海洋環(huán)境噪聲的HMT模型的似然值作為檢驗(yàn)統(tǒng)計(jì)量，進(jìn)行二元假設(shè)檢驗(yàn)。另一方面，提出了基于HMT模型的船舶噪聲新的分類方法，將檢測樣本對(duì)不同類型船舶的HMT模型的似然值形成一個(gè)描述檢測樣本的特征向量，判別船舶噪聲的類型。
本發(fā)明的方法具體包括如下步驟(1)采集船舶噪聲信號(hào)和海洋環(huán)境噪聲作為訓(xùn)練樣本，將這些信號(hào)分別減去各自的均值，之后除以各自信號(hào)中絕對(duì)值最大的量，分別對(duì)它們進(jìn)行小波分解，選擇的小波為Haar小波。在某一尺度上有一組小波系數(shù)，這樣就形成了以這一組小波系數(shù)為根的一組二叉樹。假設(shè)每一個(gè)節(jié)點(diǎn)上描述小波系數(shù)的隨機(jī)變量具有兩個(gè)狀態(tài)，小波域的樹狀結(jié)構(gòu)形成。
(2)利用小波域的樹狀結(jié)構(gòu)，采用EM(數(shù)學(xué)期望最大化)算法并按照下面的公式建模建立HMT模型(小波域隱馬爾可夫樹模型)θ={psi(m),ϵi,ρ(i)mn,μi,m,σi,m2|i=1,···P;n,m=1,2}]]>其中psi(m)概率權(quán)值函數(shù)，εi，ρ(i)mn為轉(zhuǎn)移概率矩陣，μi，m為小波系數(shù)均值，σi，m2為小波系數(shù)方差。得到船舶噪聲HMT模型和海洋環(huán)境噪聲HMT模型。
(3)基于HMT模型的船舶噪聲信號(hào)檢測以一秒作為采集間隔，采集時(shí)間為0.25秒，將實(shí)時(shí)采集的觀測信號(hào)輸入到海洋噪聲的HMT模型中，得到似然值；將似然值作為檢驗(yàn)統(tǒng)計(jì)量，根據(jù)Nyman-Pearson準(zhǔn)則，在給定虛警概率下計(jì)算出閾值，當(dāng)似然值小于閾值時(shí)表示船舶噪聲被檢測出來。
實(shí)時(shí)采集的觀測信號(hào)實(shí)際是海洋背景噪聲和船舶噪聲的疊加，其中的船舶噪聲信號(hào)代入海洋環(huán)境噪聲信號(hào)的HMT中，將得到一個(gè)很小的似然值，而將海洋環(huán)境噪聲信號(hào)代入海洋環(huán)境噪聲HMT中，將得到一個(gè)大的似然值。由此可以得出從海洋噪聲中檢測出船舶噪聲的依據(jù)。
(4)基于HMT模型的船舶噪聲的識(shí)別將檢測樣本分別送入步驟2中得到的不同類型的船舶噪聲HMT模型中，得到相對(duì)于各個(gè)模型的似然值，若最大的兩個(gè)似然值之差大于0.1，則將似然值最大的那個(gè)模型的類別屬性作為該檢測樣本的類別，否則再進(jìn)行基于似然值向量的判別。
(5)基于似然值向量的判別將訓(xùn)練樣本中不同類別的船舶噪聲信號(hào)相對(duì)于各個(gè)HMT的似然值組成的向量來描述其類別屬性，并用這些向量訓(xùn)練一個(gè)分類器。將檢測樣本相對(duì)于各個(gè)HMT模型的似然值形成似然值向量，再將這似然值向量送入分類器中，最終判別其類別屬性。
本發(fā)明將船舶噪聲、海洋噪聲的HMT模型與Nyman-Pearson準(zhǔn)則相結(jié)合，以檢驗(yàn)樣本帶入海洋噪聲HMT模型的似然值為檢驗(yàn)統(tǒng)計(jì)量，使得對(duì)船舶噪聲的檢測能力提高。利用船舶噪聲的HMT模型和似然值向量訓(xùn)練的分類器作為識(shí)別船舶噪聲的方案，使得識(shí)別率和穩(wěn)健性提高。
具體實(shí)施方式
1.用512Hz的采樣率采集0.25秒的船舶噪聲信號(hào)(不同橫距，不同航速，不同噸位以及不同海況情況下的)和海洋環(huán)境噪聲x(t)，長度為128點(diǎn)。將這些信號(hào)作為訓(xùn)練樣本，首先去掉x(t)的均值，得到x1(t)。對(duì)x1(t)做歸一化處理(除以各自信號(hào)中絕對(duì)值最大的量)，得到s(t)。然后選擇小波為Haar小波，分別對(duì)s(t)進(jìn)行小波分解，最大尺度為5，在第5尺度上的小波系數(shù)個(gè)數(shù)為8，這樣就形成了以這8節(jié)點(diǎn)為根的8棵二叉樹。每一個(gè)節(jié)點(diǎn)上的小波系數(shù)具有兩個(gè)狀態(tài)M＝2，小波域的樹狀結(jié)構(gòu)形成。
2.利用小波域的樹狀結(jié)構(gòu)，采用EM(數(shù)學(xué)期望最大化)算法，得到不同橫距，不同航速，不同噸位以及不同海況情況下的船舶噪聲和海洋環(huán)境噪聲各自的HMT模型。
θ={psi(m),ϵi,ρ(i)mn,μi,m,σi,m2|i=1,···P;n,m=1,M}]]>其中pSi(m)概率權(quán)值函數(shù)，εi，ρ(i)mn為轉(zhuǎn)移概率矩陣，μi，m為小波系數(shù)均值，σi，m2為小波系數(shù)方差。
小波系數(shù)方差。得到船舶噪聲HMT模型和海洋環(huán)境噪聲HMT模型。
3基于HMT模型的船舶噪聲信號(hào)檢測以一秒作為采集間隔，采集時(shí)間為0.25秒，采樣率為512Hz，128點(diǎn)。將實(shí)時(shí)采集的觀測信號(hào)輸入到海洋噪聲的HMT模型中，得到似然值；將似然值作為檢驗(yàn)統(tǒng)計(jì)量，根據(jù)Nyman-Pearson準(zhǔn)則，在給定虛警概率(pf＝10-6)下計(jì)算出閾值，當(dāng)似然值小于閾值時(shí)表示船舶噪聲被檢測出來。
4基于HMT模型的船舶噪聲的識(shí)別將檢測樣本分別送入步驟2中得到的包括客輪、油輪、驅(qū)逐艦、護(hù)衛(wèi)艦、交通艇、常規(guī)潛艇和核潛艇在內(nèi)的不同類型的船舶噪聲HMT模型中，得到檢測樣本相對(duì)于這些船舶噪聲模型的似然值，若這些似然值中最大的兩個(gè)之差大于0.1，則將似然值最大的那個(gè)模型的類別屬性作為該檢測樣本的類別，否則再進(jìn)行基于似然值向量的判別。
5基于似然值向量的判別將訓(xùn)練樣本中不同類別的船舶噪聲信號(hào)相對(duì)于各個(gè)HMT的似然值組成的向量，用這一向量來描述訓(xùn)練樣本的類別屬性，并用這些向量訓(xùn)練一個(gè)分類器。將檢測樣本代入各個(gè)不同類型的船舶噪聲HMT模型，得到似然值并將它們形成似然值向量，再將這似然值向量送入訓(xùn)練好的分類器中，最終判別其類別屬性。
權(quán)利要求
1.一種基于小波域的水聲噪聲的檢測與識(shí)別方法，其特征在于包括如下步驟(1)采集船舶噪聲信號(hào)和海洋環(huán)境噪聲作為訓(xùn)練樣本，將這些信號(hào)分別減去各自的均值，之后除以各自信號(hào)中絕對(duì)值最大的量，分別對(duì)它們進(jìn)行小波分解，選擇的小波為Haar小波，在某一尺度上有一組小波系數(shù)，形成以這一組小波系數(shù)為根的一組二叉樹，每一個(gè)節(jié)點(diǎn)上描述小波系數(shù)的隨機(jī)變量具有兩個(gè)狀態(tài)，小波域的樹狀結(jié)構(gòu)形成；(2)利用小波域的樹狀結(jié)構(gòu)，采用數(shù)學(xué)期望最大化算法并按照下面的公式建模建立小波域隱馬爾可夫樹HMT模型θ={pSi(m),ϵi,ρ(i)mn,μi,m,σi,m2|i=1,···,P;n,m=1,2}]]>其中，n，m為小波系數(shù)具有的狀態(tài)，P為小波系數(shù)個(gè)數(shù)，pSi(m)概率權(quán)值函數(shù)，εi，p(i)mn為轉(zhuǎn)移概率矩陣，μi，m為小波系數(shù)均值，σi，m2為小波系數(shù)方差，得到船舶噪聲HMT模型和海洋環(huán)境噪聲HMT模型；(3)基于HMT模型的船舶噪聲信號(hào)檢測以一秒作為采集間隔，采集時(shí)間為0.25秒，將實(shí)時(shí)采集的觀測信號(hào)輸入到海洋噪聲的HMT模型中，得到似然值；將似然值作為檢驗(yàn)統(tǒng)計(jì)量，根據(jù)奈曼—皮爾遜準(zhǔn)則，在給定虛警概率下計(jì)算出閾值，當(dāng)似然值小于閾值時(shí)表示船舶噪聲被檢測出來；(4)基于HMT模型的船舶噪聲的識(shí)別將檢測樣本分別送入步驟(2)中得到的不同類型的船舶噪聲HMT模型中，得到相對(duì)于各個(gè)模型的似然值，若最大的兩個(gè)似然值之差大于0.1，則將似然值最大的那個(gè)模型的類別屬性作為該檢測樣本的類別，否則再進(jìn)行基于似然值向量的判別；(5)基于似然值向量的判別將訓(xùn)練樣本中不同類別的船舶噪聲信號(hào)相對(duì)于各個(gè)HMT的似然值組成的向量來描述其類別屬性，并用這些向量訓(xùn)練一個(gè)分類器，將檢測樣本相對(duì)于各個(gè)HMT模型的似然值形成似然值向量，再將這似然值向量送入分類器中，最終判別其類別屬性。
專利摘要
一種基于小波域的水聲噪聲的檢測與識(shí)別方法，首先對(duì)船舶噪聲和海洋環(huán)境噪聲進(jìn)行去均值和幅值歸一化處理，再對(duì)其進(jìn)行小波域的多尺度域分解并建立小波域隱馬爾可夫模型，根據(jù)海洋環(huán)境噪聲的模型和船舶輻射噪聲模型的特征差異，提出一種基于Nyman-Pearson準(zhǔn)則的檢測方法，即將船舶噪聲對(duì)于海洋環(huán)境噪聲的HMT模型的似然值作為檢驗(yàn)統(tǒng)計(jì)量，進(jìn)行二元假設(shè)檢驗(yàn)，使得對(duì)船舶噪聲的檢測能力提高。將檢測樣本對(duì)不同類型船舶的HMT模型的似然值形成一個(gè)描述檢測樣本的特征向量，判別船舶噪聲的類型，識(shí)別率和穩(wěn)健性提高。
文檔編號(hào)G01S7/539GKCN1320372SQ200410084564
公開日2007年6月6日 申請(qǐng)日期2004年11月25日
發(fā)明者周越 申請(qǐng)人:上海交通大學(xué)導(dǎo)出引文BiBTeX, EndNote, RefMan專利引用 (2), 非專利引用 (1),