[发明专利]一种水下目标分类方法

权利要求书

1.一种水下目标分类方法，包括：

步骤101：将通过声呐阵列接收的声源信号转换成数字信号；

步骤102：对步骤101得到的数字信号进行补零、加窗预处理；

步骤103：计算每一个声呐与其他所有的声呐的互相关系数的和，将最大的互相关系数的和信号作为参考信号；

步骤104：计算每个信号与参考信号的广义交叉相关-相位变换，对得到的值做极大似然估计，得到每个声呐相对于参考信号的时间延迟；

步骤105：找出每个通道的两个最佳的时延，然后通过最大化时间状态之间的概率值在时间序列上进行维特比解码，使得时延变化更小的信号能有更大的临时权重；

步骤106：信号利用通道的互相关系数和前后帧的相关性进行自适应，最终得到经过增强后的信号；

步骤107：将步骤106生成的信号进行分帧，对每一帧信号做傅里叶变换，用三角滤波器组对每帧信号进行滤波，将每个滤波器内信号能量求和取对数作为这一帧信号的特征；

步骤108：将步骤107得到的特征作为一个时延神经网络的输入，网络的输出为这一帧信号对应的每个目标类型的概率，通过迭代不断最小化实际输出与期望输出的交叉熵，基于此训练出一个多目标分类器，实现对未知的信号进行测试和分类。

2.根据权利要求1所述的一种水下目标分类方法，其特征在于，在所述步骤102中，对所述的数字信号进行预处理包括：对每一帧数字信号先补零到N点，N＝2ⁱ，i为正整数且i≥8；然后对每一帧数字信号进行加窗或是预加重，加窗函数采用汉明窗(hamming)或哈宁窗(hanning)。

3.根据权利要求1所述的一种水下目标分类方法，其特征在于，所述步骤103中进一步包括：

计算声呐i相对于其他声呐的互相关系数和，

其中，M是声呐的数量，K是指为计算便利，将信号分成K块，xcorr[i,j；k]是指信号i与信号j在第k块的互相关系数。

4.根据权利要求1所述的一种水下目标分类方法，其特征在于，所述步骤104中进一步包括：

信号x_i(n)和参考x_ref(n)的广义交叉相关-相位变换函数为：

其中，X_i(f)和X_ref(f)是信号i和参考信号的傅里叶变换，[]^*是指复数的共轭，|*|是指复数的模，表示傅里叶逆变换,d是指信号i和参考信号之间的时间延迟,f对应着变换后每一个频点；

对广义交叉相关-相位变换进行极大似然概率估计，得到的信号i与参考信号的时延估计为：

5.根据权利要求1所述的一种水下目标分类方法，其特征在于，所述步骤105中进一步包括：

统计每个信号在步骤104)中通过极大似然估计得到的两个最佳的时延值，两个最佳的的时延值指的是：在步骤104)中，当R取得极大值时(可认为导数为0)，对应有很多的d的值，其中最大的两个极值对应的两个d的值是我们需要的，通过最大化时间状态之间的概率值在时间序列上进行维特比解码，使得时延变化更小的信号能有更大的临时权重；

临时权重定义为：

其中，m指第m个声呐信号，i和j分别对应第c帧信号和c-1帧信号。

6.根据权利要求1所述的一种水下目标分类方法，其特征在于，所述步骤106中进一步包括：

对于第m个声呐信号在第c帧信号的的权重计算为：

其中α为手动设定的自适应参数，M为声呐数量总数，表示第m个声呐信号和参考信号的互相关系数。