[发明专利]一种基于HPSS的水下目标被动检测方法

权利要求书

1.一种基于HPSS的水下目标被动检测方法，其特征在于包括下述步骤：

步骤一：获取信号；

获取布放在实验场地被动声呐的水声信号y(t)：

其中，h(t)是水声信道，s(t)为水下目标信号，n(t)为海洋背景噪声，*为卷积运算，t为时间变量；

步骤二：预处理；

将水听器接收的水声信号y(t)进行去直流操作，经过预处理后的信号为x(t)；

步骤三：时频变换；

预处理后的信号经过分帧加窗处理后，进行时频变换，时频变换的计算公式为：

其中w(t)为窗函数，τ为时延，f表示信号频率，ω为信号的角频率，ω＝2πf，π表示圆周率；

步骤四：HPSS

利用HPSS将获取到的时频变换X(τ,f))进行谐波和冲击波分离处理；通过最小化代价函数J(H,P)获得谐波源H_h,i及冲击波源P_h,i，满足以下公式：

H_h,i+P_h,i＝W_h,i,H_h,i＞0P_h,i＞0

其中，W_h,i为输入信号的能量谱，σ_H，σ_P分别为谐波源和冲击波源的平滑度参数因子，i表示帧数，H_h,i和P_h,i分别表示i帧的谐波源和冲击波源的傅里叶变换，H_h,i-1和P_h,i-1分别表示i-1帧的谐波源和冲击波源的短时傅里叶变换，H和P分别代表信号的谐波源和冲击波源的集合；

步骤五：数据集划分

信号经过步骤四之后得到每一帧的H_h,i和P_h,i，绘制谐波时频图和冲击波时频图，将谐波时频图和冲击波时频图作为数据集，将数据集划分为训练集和测试集，并利用实验记录的走航路线标注每个图像有无水下目标；

步骤六：构建神经网络；

搭建深度神经网络，其中深度神经网络可以选择卷积神经网络或循环神经网络；

步骤七：网络优化；

神经网络的超参数对网络的学习性能和效果起到了非常重要的作用，通过调节网络的学习率、批次大小、卷积核尺寸、激活函数超参数，实现对网络的优化；

步骤八：实现水下目标被动检测；

将待测数据经过预处理之后，通过训练好的深度神经网络模型给出检测结果，实现水下目标被动检测。

2.根据权利要求1所述的一种基于HPSS的水下目标被动检测方法，其特征在于：

步骤五中，所述数据集的训练集和测试集的划分比例为7:3。