[发明专利]一种基于HPSS的水下目标被动检测方法

说明书

本发明提供了一种基于HPSS的水下目标被动检测方法，通过HPSS，将水下目标信号的线谱和连续谱分离，有效分析不同分量谱对检测带来的影响，促进深度神经网络挖掘其更深层的信息。本发明针对被动声呐获取的水下目标信号存在线谱和连续谱两种成分，利用HPSS的方法将两种成分分离，一方面可以剔除干扰，另一方面可以对连续谱和线谱进行单独分析，利用深度神经网络挖掘水下目标更深层的信息。在复杂海洋环境背景下，提高水下目标被动检测的性能以及鲁棒性和泛化能力。

技术领域

本发明涉及信号处理领域，尤其是一种水下目标的检测方法。

背景技术

在军事活动中，被动声呐通常利用目标辐射的噪声进行探测，是对各类舰船和潜艇等水上与水下目标进行探测的重要手段。而在被动声呐探测中，目标检测是目标分类、识别以及定位的基础。随着近年来，舰船机动性和隐蔽性的提高，加之海洋环境的复杂性，为水下目标被动检测带来了极大的挑战。

目前水下目标被动检测的技术主要分为两种：一种基于水下目标的线谱检测技术。常常是针对特定背景噪声下的研究，并且需要目标特性的先验信息。并且仅针对线谱检测，忽视了连续谱等其他信息。另一种是将非线性理论应用到水下目标被动检测中来。例如，随机共振方法，其存在的问题在于参数如何选择以及实际水声信号频率较大等问题仍需要更深一步的研究。并且被动声呐获取的水声信号中，还存在复杂的海洋背景噪声以及其他目标的干扰，对现有的检测方法带来了较大的影响。

水下目标在行驶过程中，由于动力系统不断发生振动、螺旋桨的转动以及船体与海水介质之间的相互作用，以声波的形式向周围传播辐射噪声。主要包括连续谱分量和线谱分量。近年来，一种谐波冲击波源分离(HPSS)的方法在音乐分离领域开始受到关注。一般而言，音乐信号在频谱上通常呈现两种分布，一种是沿时间轴上的连续平滑分布，另一种是沿频率轴上的连续平滑分布，通常将这两种分布的声源分别称为谐波源和冲击波源。水下目标和音乐信号同样具有类似的两种分量，借鉴此方法，利用HPSS将水下目标的线谱和连续谱分离，利用两者分别对信号特性进行分析，挖掘目标之间更深层的信息。

发明内容

为了克服现有技术的不足，本发明提供一种基于HPSS的水下目标被动检测方法。采用HPSS作为水下目标特征提取的方法，并利用深度神经网络来实现水下目标被动检测。利用HPSS可以将水下目标的谐波和冲击波分离，一方面可以剔除冲击干扰，另一方面可以有利于神经网络挖掘更深层的信息，提高水下目标被动检测性能。在复杂的海洋环境下，该方法具有鲁棒性和泛化能力

本发明解决其技术问题所采用的技术方案的步骤如下：

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：