[发明专利]一种基于决策树的水下直达声挑选方法

权利要求书

1.一种基于决策树的水下直达声挑选方法，其特征在于，所述挑选方法包括以下步骤：

步骤1：信号参数预处理：对声纳探测得到的信号参数进行预处理，以使其更能准确的反映直达声特征；

步骤2：基于C4.5算法的决策树生成：利用训练集数据，经过预处理之后的信号参数作为特征输入，将信息增益率作为节点生成准则，采用C4.5算法逐个生成节点，直至完成直达声判决决策树的搭建；

步骤3：根据生成的决策树进行直达声判决：将经过预处理后的信号参数输入至决策树，逐层根据枝节点内容进行信号分类，直至到达某一叶节点，并依照该节点的标签决定信号属于直达声或非直达声；

所述步骤1中计算归一化信号幅度即：

式中：a_n为归一化信号幅度，a_n'为绝对信号幅度，N为在每个信号周期内所检测到的声脉冲个数；

所述步骤1中计算相对信号到达时间，使其直接能更直接的反映直达声特征，即：

式中：t_n为相对信号到达时间，t_n'为绝对信号到达时间；

所述步骤1中计算信号时长展宽，即：

T_n＝T_n′-T_s

所述步骤1中计算信号频谱展宽，即：

B_n＝B_n′-B

所述步骤1中计算多普勒频移，即：

f_n＝f_n'-f_c

式中：T_s、B、f_c分别为发射信号的时宽、带宽及中心频率；T_n'、B_n'、f_n'分别为接收信号的时宽、带宽及中心频率；T_n、B_n、f_n分别为信号的时间展宽、频谱展宽及多普勒频移；

最后，需要对训练集样本的信号类型进行数字化标记，以作为训练集数据的决策树输出。

2.根据权利要求1所述挑选方法，其特征在于，所述步骤1中的预处理包括计算归一化信号幅度、计算相对信号到达时间、计算信号时长展宽、计算信号频谱展宽、计算多普勒频移和训练集数据直达声标注。

3.根据权利要求1所述挑选方法，其特征在于，所述C4.5算法的决策树生成分类判决器包括以下步骤：

步骤2.1：计算分类样本的信息量及不同划分属性下对应样本信息量：

式中：D为样本空间，初次分类时，样本空间为整个训练集数据；Y为样本对应的类别数；p_k为每类样本数目占整个样本空间的概率；

步骤2.2：计算不同分类划分属性下的信息增益率：

式中：A_i∈{a_n,t_n,T_n,B_n,f_n,}表示所选取的划分属性；G(D,A_i)为信息增益；H(A_i)为固有信息量；p为划分属性的类别；D_p为在对应类别下的样本空间，R(D,A_i)为信息增益率；

步骤2.3：选择最优的划分属性：

步骤2.4：为最优属性生成一个节点：依照最优属性进行分类，为的每个取值生成一个分支，当为连续属性时，采用二分法生成分支，并计算该分支下所对应的样本空间D_p；

步骤2.5：确定分支节点类型：对于每一个分支，若其对应的样本空间则取消该分支；若其对应的样本空间属于同一样本类别则该分支为叶节点；若其对应的样本空间不属于同一样本类别则该分支为枝节点；

步骤2.6：对于每一个新生成的枝节点重复步骤2.1至步骤2.4，直至生成整个决策树判决器。

4.根据权利要求1所述挑选方法，其特征在于，所述步骤3中信号数据进行直达声判决具体步骤如下：

步骤3.1：将信号样本输入至决策树根节点处；

步骤3.2：依照节点所对应的判决属性对信号样本进行分类，并将样本下移至对应分支；

步骤3.3：若对应分支为枝节点，则重复第二步；若对应分支为叶节点，则进入下一步；

步骤3.4：根据叶节点所属数字标记确定声信号类别；当数字标记为1时，则该信号为直达声信号；当数字标记为0时，则该信号为非直达声信号。