[发明专利]基于变微分步长相对变化熵的目标检测与信号频率估计方法

说明书

本发明提供了一种基于变微分步长相对变化熵的目标检测与信号频率估计方法，通过选取合适的微分步长，利用噪声与信号之间相关性的差异，进一步提升对目标信号的信噪比增益，从而实现对水下弱小目标的远距离检测，同时利用微分步长与相对变化熵数值之间的关系，实现对水中弱小目标特征线谱的估计。本发明能够精确检测水中弱小目标并实现对水中目标特征线谱的估计，具有检测信噪比低，频率估计精度高等优点，能够做到无先验信息的水中目标远距离检测，具有检测距离远、不需先验信息等优点。

技术领域

本发明涉及水声信号处理技术领域，具体为一种水中目标检测与信号频率估计方法。

背景技术

水中远距离目标的检测方法中较为常用的是线谱检测，线谱检测中常用的方法有自相关检测方法、快速傅里叶变换方法、自适应线谱增强方法等，但这些方法很多需要得到线谱先验信息，无此先验信息时，结果会受到很大的影响，这种搜索过程很大程度上依赖于经验。同时，由于声隐身技术的高速发展，机械设备主动隔振、主动约阻尼、声学智能结构等技术的陆续应用，水中目标辐射噪声的线谱得到了很好的控制，线谱的幅值变得很小、能量大幅度降低、甚至数量可控。

连续谱是目标辐射噪声频谱的另一重要特征和组成部分，具有单独的谱峰。张晓勇等从频率与能量分布的角度出发，在顺势频率方差检测器的基础上，推导出了窄带信号和宽带信号同时满足的瞬时频率分布与能量分布的表达式，从而利用目标辐射噪声连续谱分量存在一个能量相对集中的频率中心这一特性，利用瞬时频率分析进行描述，实现了利用舰船辐射噪声连续谱进行目标检测，然而，这种基于能量的检测方法，在远距离下结果会受到较大影响。

发明内容

为了克服现有技术的不足，本发明提供一种基于变微分步长相对变化熵的目标检测与信号频率估计方法。针对特征线谱不断被削弱甚至消除的问题，结合复杂海洋环境下的非线性特征表征的需要，本发明通过提取目标辐射噪声中固有的非线性特征，提供一种不需任何先验信息的水中目标远距离检测方法，并增大了目标检测的距离，提高了方法的可适用性，并在检测水中目标的同时，通过相对变化熵与微分步长之间的关系，对目标信号特征线谱的频率进行估计。

针对水下微弱信号方向估计的背景噪声复杂多样和低信噪比条件下目标信号检测难度大等问题，提出一种基于变微分步长相对变化熵的目标检测与信号频率估计方法，通过选取合适的微分步长，利用噪声与信号之间相关性的差异，进一步提升对目标信号的信噪比增益，从而实现对水下弱小目标的远距离检测，同时利用微分步长与相对变化熵数值之间的关系，实现对水中弱小目标特征线谱的估计。本发明能够精确检测水中弱小目标并实现对水中目标特征线谱的估计，具有检测信噪比低，频率估计精度高等优点。

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：利用声呐采集海洋中的声信号，记为s(t)，即为输入信号；

步骤二：根据Takens重构定理对接收数据s(t)进行相空间重构；

将接收到声信号的数据，利用G-P算法求取数据的重构维数与时间延迟，最后完成接收数据的相空间重构：

S(t_i)＝[s(t_i)，s(t_i+τ)，s(t_i+2τ)，…，s(t_i+(m-1)τ] (1)

其中S(t_i)表示重构后信号第i个向量，s(t_i)表示输入信号第i个数据，τ为延迟时间，m为重构维数；

步骤三：利用式(1)将初始时刻接收到的数据s₁(t)进行相空间重构，得到重构后的数据S₁(t)；

步骤四：将微分步长设定为L+d，L与d是设定的数据重组间隔，根据重构后的数据S₁(t)按照式(2)进行序列的重组，得到重组序列S₁₁(t)，公式(2)为：