[发明专利]一种基于高斯混合模型的宽吻海豚click信号检测方法

权利要求书

1.一种基于高斯混合模型的宽吻海豚click信号检测方法，其特征在于，具体按照以下步骤实施：

步骤1、采集海洋中的声音信号，利用时频分析技术将海洋中的声音信号的时间域信息与频率域信息联合分析，得到该信号的时频数据，并作出初始信号时频图，根据初始信号时频图得到能量强度；

步骤2、选取能量强度作为聚类的样本空间，使用高斯混合模型聚类方法对样本空间进行二聚类，得到两个聚类簇；步骤2具体过程为：

步骤2.1、以能量强度作为高斯混合模型聚类的训练集D＝{x₁，x₂，…，x_m}，则该训练集D满足定义高斯混合模型定义：

其中，α_i为混合系数，即组成高斯混合成分的每个高斯分布的比例，且满足的约束，u_i为均值向量，∑_i为协方差矩阵，u_i和∑_i是组成高斯混合成分的高斯概率密度函数的参数；

p(x|u_i,∑_i)满足高斯分布的定义：

步骤2.2、初始化高斯混合分布的模型参数{(α_i,u_i,∑_i)|1≤i＜2}；

步骤2.3、设置循环终止条件：C＝1和循环终止条件：循环次数n；

步骤2.4、随机变量z_j∈{1,2}表示生成训练集D的样本x_j的高斯混合成分，其中j＝1,2,...,m，计算样本x_j由第i个高斯分布生成的后验概率p_M(z_j＝i|x_j)，将其记为γ_ji(i＝1,2)，即

γ_ji＝p_M(z_j＝i|x_j) (1≤i＜2) (5)；

步骤2.5、对样本集D的随机变量的x_j的后验概率p_M(x_j)求其极大似然估计，即最大化对数似然，如下：

步骤2.6、根据LL(D)计算新的均值向量u_i'，新的协方差矩阵∑_i'，新的混合系数α_i'，将参数{(α_i,u_i,∑_i)|1≤i≤2}更新为{(α_i',u_i',∑_i')|1≤i≤2}；

步骤2.7、判是否满足循环终止条件；

若满足，则令聚类簇C_i＝Φ(1≤i≤2)；

若不满足，则循环次数C＝C+1，且重新执行步骤2.4；

步骤2.8、针对随机变量x_j，根据如下公式计算簇标记λ_j，将x_j划入相应的聚类簇：C_λj＝C_λj∪{x_j}；

步骤3、根据两个聚类簇求自适应二值化的分割阈值，将步骤1中能量强度与分割阈值比较，根据比较结果显示二值化信号时频图，根据二值化信号时频图得到完整清晰的宽吻海豚click信号检测结果；步骤3具体过程为：

步骤3.1、根据高斯混合模型聚类方法得到该信号的两个聚类簇，对能量强度较小的聚类簇求其最大值max，对能量强度较大的聚类簇求其最小值min；

步骤3.2、对max和min求其平均值average，average作为自适应二值化的分割阈值；

步骤3.3、判断步骤1中得到的能量强度是否大于分割阈值：

若能量强度大于分割阈值，则该样本点的灰度值为255；

若能量强度不大于分割阈值，则该样本点的灰度值为0；

步骤3.4、显示二值化的信号时频图，根据二值化的信号时频图能够得到完整清晰的宽吻海豚click信号检测结果。