[发明专利]一种基于序贯环境学习的弱水声目标线谱自主提取方法

说明书

本发明公开了一种基于序贯环境学习的弱水声目标线谱自主提取方法，包括对获取的水声信号进行功率谱估计；自主线谱提取；环境线谱的序贯学习与更新；对当前功率谱进行环境线谱抑制处理获得重构功率谱；对重构功率谱进行自主线谱提取获得疑似弱目标线谱；对疑似线谱进行序贯性分析实现弱目标线谱自主辨识。本发明能够实现弱目标线谱的有效自主提取，同时虚警概率低。

技术领域

本发明涉及一种弱水声目标线谱自主提取技术，属于声纳信号处理技术领域。

背景技术

在水下复杂的声场环境中，对船舶噪声的自动检测与特征提取是潜、浮标等无人平台自主探测的基础，具有重要的研究价值。船舶辐射噪声线谱主要由船舶机械部件的往复运动与螺旋桨叶片的周期性击水以及叶片共振产生。线谱具有的较高信噪比可以用来提高检测性能，线谱本身携带的频率等信息则进一步可作为目标判别的重要依据，是目前水声目标探测与识别的重要特征。但是，由于海洋中存在大型商船、近海岸工程机械等各种噪声源，这些噪声源同样存在着目标探测所依赖的线谱等重要特征，而且强度往往比关注目标要高出很多，形成强烈的环境干扰线谱，严重影响了即使是距离相对更近的弱水声目标信号有效线谱提取，从而影响目标探测性能。

目前国内外学者提出了许多非平稳低频线谱的检测与提取方法，比较典型的有相干累积处理和迭代强干扰抵消等方法，比如：（1）刘辉涛提出了一种利用相干累加频域批处理自适应线谱增强技术，提高稳定目标线谱的累积强度，抑制非稳定背景谱。（2）SLOBODAN提出了强线谱迭代抵消的方法，以提取弱线谱分量。

发明内容

发明目的：针对潜、浮标等水声节点自主提取弱水声目标线谱易受强环境干扰影响的难题，本发明提供一种基于序贯环境学习的弱水声目标线谱自主提取方法，利用环境线谱的相对稳定性特点，通过对自主提取线谱的环境序贯学习实现环境线谱辨识与动态更新，通过环境线谱的抑制处理实现弱目标线谱的有效自主提取。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于序贯环境学习的弱水声目标线谱自主提取方法，包括如下步骤：

步骤1，获取水声信号，并对获取的水声信号进行功率谱估计得到功率谱。

步骤2，对得到的功率谱进行自主线谱提取得到线谱。

步骤3，环境线谱序贯学习与更新。

步骤3-1，记，，，其中，为自主提取线谱动态信息矩阵，为线谱索引，为最大线谱数量，表示第根线谱各处理帧提取信息的索引，为每根线谱允许存储的最大历史帧数，自主提取线谱动态信息矩阵第1列中存放第根线谱的频率，自主提取线谱动态信息矩阵第2列中存放帧中自主提取到第根线谱的次数，自主提取线谱动态信息矩阵第列中存放最近帧第线谱单帧提取结果，提取到结果为1，否则结果为0，，按如下方式对自主提取线谱动态信息矩阵进行数据搬移：

步骤3-1-1，初始化，令。

步骤3-1-2，令，，为自主提取线谱动态信息矩阵当前存储的线谱数。

步骤3-1-3，令，若。则返回步骤3-1-2继续进行数据搬移，否则进入步骤3-1-4。

步骤3-1-4，数据搬移结束，令，，。

步骤3-2，若本帧水听器采集信号中提取的线谱个数K=0，N为本帧水听器采集信号长度，回到步骤1进行下一帧数据处理，否则根据本帧提取的K根线谱按照1~K的顺序对自主提取线谱动态信息矩阵进行数据更新，每根线谱的处理步骤如下：

步骤3-2-1，寻找第k根线谱在中的更新位置：