[发明专利]一种水声目标辐射噪声调制特征提取方法

说明书

本发明公开了一种水声目标辐射噪声调制特征提取方法，首先采用基于参数优化的VMD算法，解决了人为设定VMD算法参数的盲目性以及随机性问题，实现参数的自适应设定；其次选择使用具有最小包络熵值的IMF作为最佳分量进行包络解调，能更高效地提取出调制线谱特征；最后对包络解调后得到的包络信号进行1(1/2)维谱分析，抑制其中的高斯噪声以及清除信号中所含有的非相位耦合的谐波项，从而加强调制线谱的基频以及倍频成分，解决了强噪声干扰下水声目标辐射噪声信号调制特征提取困难的问题。本发明更为稳定可靠，相比于传统DEMON谱分析提取方法调制特征提取能力更强，因此该方法在舰船等水声目标辐射噪声调制特征提取中具有良好的应用前景。

技术领域

本发明属于水声信号处理领域，具体涉及一种水声目标辐射噪声调制特征提取方法。

背景技术

舰船等水声目标辐射噪声中主要成分包括机械噪声、螺旋桨噪声以及水动力噪声，其包含了较多水声目标运动信息，特别是螺旋桨噪声，螺旋桨节拍对水声目标辐射噪声信号存在振幅调制，这种幅度调制信号实质即包络信号，调制线谱与螺旋桨轴频、叶频以及水声目标的航速有关，因此，若能从水声目标辐射噪声信号中准确地提取调制特征对于水声目标运动信息的获取以及水声目标的分类识别具有重大意义。

水声目标辐射噪声由于产生机理较为复杂，本身具有非平稳和非线性等特征，传统的信号处理方法在处理此类问题时，具有一定的局限性，并且受海洋噪声污染严重，因此声纳系统采集到的水声目标辐射噪声信号包含了大量的背景噪声，就导致水声目标辐射噪声中调制线谱往往更难以提取。针对EMD以及EEMD等递归方式分解算法存在模态混叠与端点效应等问题，Dragomiretskiy于2014年提出来了变分模态分解(VMD)，相比于前两者，VMD在处理非线性非平稳信号以及克服模态混叠上性能更好，有利于解决强背景噪声干扰下的水声目标辐射噪声信号调制线谱检测难度大等问题。但是VMD算法性能主要受分解层数K以及惩罚因子α影响并且数值需要人为设定，需要采用算法对其进行优化，从而确定最优参数搭配。并且，直接利用VMD算法分解原始信号所得到的固有模态分量(IMF分量)会存在大量噪声干扰，包络解调后调制特征不明显，因此，如何在强背景噪声干扰下从辐射噪声中更好地提取出调制特征也是需要解决的问题。

发明内容

本发明的目的在于提供一种水声目标辐射噪声调制特征提取方法，以克服现有方法在强背景噪声干扰下辐射噪声调制特征提取困难等问题。

为达到上述目的，本发明采用如下技术方案：

一种水声目标辐射噪声调制特征提取方法，包括以下步骤：

步骤1)、获取舰船辐射噪声原始信号，采用粒子群算法对VMD算法中的分解层数与惩罚因子进行寻优；

步骤2)、将粒子群算法寻优得到的最佳分解层数与最佳惩罚因子作为VMD算法的输入参数，并利用VMD算法将舰船辐射噪声原始信号分解为若干固有模态分量；

步骤3)、计算各固有模态分量的包络熵值，选取对应最小包络熵值的固有模态分量作为最佳分量；

步骤4)、对最佳分量进行Hilbert包络解调分析得到包络信号；

步骤5)、对解调所得的包络信号进行1(1/2)谱分析，得到辐射噪声调制线谱，完成水声目标辐射噪声信号调制特征提取。

进一步的，步骤1)中，采用水听器采集舰船辐射噪声原始信号。

进一步的，采用粒子群算法对VMD算法中的分解层数与惩罚因子进行寻优具体步骤如下：

(1-1)初始化粒子群优化算法参数，选取固有模态分量的包络熵作为适应度函数，以局部极小包络熵值最小化作为寻优目标；

(1-2)以待寻优参数分解层数K与惩罚因子α作为粒子的位置x(K,α)，设定粒子的位置范围与速度范围，初始化粒子种群并随机初始化种群中各粒子位置与速度；