[发明专利]一种水声信号的预测方法

说明书

本发明属于水声信号处理技术领域，涉及一种水声信号的预测方法，包括以下步骤：(a)，对实测水声信号以Volterra级数模型作为基本模型框架建立数学模型，对每一个可能的模型进行遗传编码；(b)，用最小二乘法计算模型系数，得到模型系数后，使用评价数据计算模型的预测误差，用该误差作为模型好坏的评价准则；(c)，进行遗传操作：交叉繁殖：将两个模型的项按照一定的规律分别排序，在两个序列中各随机选择一个交叉点，然后交换序列的后半部分，这样便得到两个新的模型，作为交叉繁殖的后代；变异：随机生成模型的一个项，然后随机替换掉模型原来的一个项，完成变异；(d)，计算水声信号预测模型的均方根误差与信误比，定量分析方法的预测精度。

技术领域

本发明属于水声信号处理技术领域，涉及一种水声信号的预测方法。

背景技术

文献“基于PSO和RBF神经网络的水声信号建模与预测，计算机工程，2008，Vol.34(23)，p208-209，213”公开了一种水声信号建模与预测方法，在自增加聚类算法确定RBF神经网络基函数中心个数的基础上，运用改进的粒子群优化算法对其距离阈值进行优化，结合最小二乘法确定网络输出权值，并将得到的RBF网络用于水声信号预测，预测值与实际值吻合较好，其均方根误差为0.1659。但是需要说明的是，其建模方法并没有给出水声信号的准确数学表达式，另外，预测的均方根误差较大。文献“水声信号预测的神经网络方法，声学技术，2006，Vol.25(3)，226-229”公开了一种水声信号预测的神经网络方法，采用人工神经网络技术，研究了水声信号的神经网络预测，讨论了预测模型的建立和网络结构参数的设计。但是需要说明的是，这些建模方法并没有给出水声信号的准确数学表达式。

发明内容

本发明的目的在于针对现有技术存在的缺陷和不足，提供一种基于遗传算法的水声信号预测方法。

为实现上述目的，本发明包括以下步骤：

步骤(a)，利用遗传算法对实测水声信号以Volterra级数模型作为基本模型框架建立数学模型，并对每一个可能的模型进行遗传编码；

步骤(b)，使用最小二乘法计算出模型系数，在得到模型系数后，使用评价数据来计算模型的预测误差，使用该误差作为模型好坏的评价准则；

步骤(c)，进行遗传操作：

交叉繁殖：将两个模型的项按照一定的规律分别排序，在两个序列中各随机选择一个交叉点，然后交换序列的后半部分，这样便得到两个新的模型，作为交叉繁殖的后代；

变异：随机生成模型的一个项，然后随机替换掉模型原来的一个项，完成变异；

步骤(d)，计算水声信号预测模型的均方根误差与信误比，根据定量分析该建模方法的预测精度。

所述步骤(a)包括：1)采用Volterra级数模型作为基本模型框架：

对于N个变量的M阶的Volterra模型，一共有1+N+N2+...+NM项；

以Volterra模型为基础，选择一定的项来组成新的模型，而组成模型的项的选择由遗传算法完成；

2)对每一项进行编码；模型的项，有以下的通用表示：