[发明专利]基于特征提取和神经网络的水声目标测距方法

权利要求书

1.一种基于特征提取和神经网络的水声目标测距方法，其特征在于，包括：

第一步：采集水声目标在不同距离发出的水声信号，并按秒拆分数据，一秒的数据作为一个样本；

第二步：对每个样本进行分帧；

第三步：对每个样本的每一帧数据分别计算时域波形的过零率、MFCC的第2、5、8个系数、频谱质心、频谱偏度、频谱熵和频谱尖锐度；

第四步：对每个样本中所有帧计算得出的过零率、MFCC第2、5、8个系数、频谱质心、频谱偏度、频谱熵和频谱尖锐度分别计算第一四分位数、第二四分位数、第三四分位数、1％百分位数、99％百分位数、算术平均值、平方平均数和峰值的均值；

第五步：将第四步计算得到的64个值组成64维特征，作为样本的特征；

第六步：根据每个样本所在时刻的水声目标的距离信息，给每个样本打上距离标签；

第七步：将所有样本的特征以及对应的距离标签组成样本集，随机抽取三分之二作为训练样本集，剩下的三分之一作为测试样本集；

第八步：搭建神经网络模型，输入训练样本集进行训练，当达到训练要求精度或者达到最大训练次数时，停止训练；

第九步：输入测试样本集进行测试，若测试误差满足要求，则保存模型参数，用于实际使用；若测试误差不满足要求，则返回第八步，重新训练。

2.如权利要求1所述的基于特征提取和神经网络的水声目标测距方法，其特征在于，过零率定义为：

其中，N是每帧的采样点数，x(q)是第q个采样点的幅值。

3.如权利要求1所述的基于特征提取和神经网络的水声目标测距方法，其特征在于，频谱质心定义为：

其中，f是信号的频率，E是对应频率的能量。

4.如权利要求1所述的基于特征提取和神经网络的水声目标测距方法，其特征在于，频谱偏度定义为：

其中，k₂和k₃分别为频谱幅值的二阶中心矩和三阶中心矩，X是频谱的幅值，μ和σ分别是X的均值和方差。

5.如权利要求1所述的基于特征提取和神经网络的水声目标测距方法，其特征在于，频谱熵定义为：

其中，x是频谱幅值处于某个间隔内的事件，p(x)是事件x的概率，将频谱幅值的最小值和最大值之间的间隔分为100个小间隔，即100个事件。

6.如权利要求1所述的基于特征提取和神经网络的水声目标测距方法，其特征在于，频谱尖锐度定义为：

其中，E(f)是频率为fHz处的能量。

7.如权利要求1所述的基于特征提取和神经网络的水声目标测距方法，其特征在于，第二步中，分帧参数如下：帧长设置为20ms，帧移设置为10ms。

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1到7任一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1到7任一项所述方法的步骤。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1到7任一项所述的方法。