[发明专利]一种水下目标结构化稀疏特征提取方法

说明书

本发明涉及一种基于贝叶斯结构化稀疏的水下目标辐射噪声特征提取方法，本方法首先将水下目标辐射噪声信号进行分帧，采用层次贝叶斯模型对帧信号基于离散傅里叶字典的分解问题进行概率建模。对相邻多帧信号，采用贝叶斯变分算法对模型进行推断，估计出信号的分解系数，最后将能量归一化后的分解系数作为帧信号的多帧联合块结构化稀疏特征。该特征是一种对噪声具有鲁棒性的目标特征。

技术领域

本发明属于水下目标识别领域，用于从目标辐射的噪声信号中提取特征，并应用于目标的分类或识别。

背景技术

水下目标识别是现代声纳系统和水声对抗系统的重要功能，目前主要由声纳员人工完成。而声纳员的培训工作需要大量的时间成本和资金成本，且声纳员的实际表现易受到生理、心理以及环境因素的影响。随着现代声纳系统和水声对抗系统的自动化和智能化，不依赖人工的自动水下目标识别技术成为了水下目标识别领域内的重要研究内容，具有重大的现实及长期战略意义。

目标特征提取是自动水下目标识别技术的核心内容之一。目前已经提出和实现了时域波形特征提取、基于谱分析的特征提取和基于人耳听觉特征的特征提取等特征提取方法。这些目标特征在一定的条件下具有良好的识别性能，但同时也受到噪声干扰等各种实际应用条件的限制。发展新的水下目标特征提取方法一直以来都是该领域的重要研究课题。

水下目标信号中往往包含数量有限的强能量窄带线谱成分，而且这些线谱成分是区分舰船类别的重要标志。本方法借助层次贝叶斯模型，根据水下目标辐射噪声信号的特点，通过选取合适的先验概率，利用贝叶斯结构化稀疏算法，提取水下目标的多帧联合块稀疏特征。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种水下目标结构化稀疏特征提取方法。

技术方案

一种水下目标结构化稀疏特征提取方法，其特征在于步骤如下：

步骤1：对水下目标辐射噪声信号y进行分帧、去直流和能量归一化预处理；

步骤2：将各帧信号基于离散傅立叶字典D分解展开：

y(n)＝Dx(n)

式中，x(n)是时域帧信号y(n)基于字典D的分解系数；

其中，字典D的各个列向量为字典原子，它们是具有单位长度的傅立叶正交基；字典的行数与各帧样本的长度保持一致，列数根据信号时频谱中线谱成分出现的频率范围以及数量确定；字典中每一列傅立叶基函数应从包含线谱成分的频段中进行选取；

步骤3：采用层次贝叶斯模型对帧信号基于离散傅立叶字典的分解过程进行建模，构建的层次贝叶斯模型中假设信号y基于字典D的分解系数x服从多元高斯分布，均值和协方差分别用随机变量μ,∑表示，对于相邻的M帧信号，噪声n_i＝y_i-Φx_i,i＝1,2,…,M也服从高斯分布，均值都为0，精确度即方差倒数均为α₀，其中α₀和α＝{α₁,α₂,…,α_N}均服从Gamma分布，即α₀～Gamma(a,b)，α～Gamma(c,d)，a，b，c，d均为模型的超参量，字典

步骤4：对构建的层次贝叶斯模型，运用贝叶斯变分算法对隐随机变量进行推断，用均值μ作为分解系数x的估计；相邻的M帧信号联合求解得到M组信号稀疏分解系数；设最大迭代次数N_maxiter，所采用的贝叶斯变分算法推断过程如下：