[发明专利]一种基于CNN的多水下信标信号识别方法

说明书

一种基于CNN的多水下信标信号识别方法，每个信标发射信号的设计，运用扩频编码技术并结合相频同移混合键控方式调制，使不同的信标信号具有不同的相位特征和频率特征；将采样的信标信号序列转换为二维图片，通过短时傅里叶变换得到相位图和频谱图进而融合而成相频特征图，以此作为信号识别的依据；轻量化的卷积神经网络结构的搭建，共由1个输入层、4个卷积层、3个池化层、1个全连接层和1个softmax层组成，完成从相频特征图到信标序号的映射；不仅在相频特征图上进行数据扩充，而且在采样信号序列上进行数据扩充，使训练的模型具有较强鲁棒性。该方法可有效提升信标的作用距离和识别精度，轻量化的模型设计也适用于信号的实时识别。

技术领域

本发明涉及水下声学导航与定位技术领域，具体涉及一种基于CNN的多信标信号识别方法。

背景技术

随着时代进步，人们对海洋资源的开发需求越发强烈，自助式水下航行器应运而生。无论在民事领域的资源勘探方面，还是在军事领域的国防部署方面都发挥着举足轻重的作用。而水下声学导航与定位技术作为水下航行器关键技术之一，目前存在诸多问题，如声学信号传输距离短和易受噪声干扰等，因此对水下声学导航与定位技术的研究刻不容缓。

造成上述问题主要有两方面因素，其一是信标发射信号的类型，在水下通信领域目前有多多种多样的声学通信方式，如单频信号、线性调频信号和一些数字调制技术信号，包括幅移键控(ASK)、频移键控(FSK)和相移键控调制(PSK)等。但是由于水下环境复杂多变，存在不确定的噪声干扰、多径效应干扰和多普勒效应干扰，导致传统声学信号在水下的传输质量受到了不同程度影响，主要表现为信噪比低和作用距离短，从而促生了不同信标信号间误识别的隐患。其二是与发射信号对应的捕获算法，一般有小波去噪算法、匹配滤波算法、分数间隔均衡函数算法等。但是在实际复杂多变的应用环境下这些算法存在局限性，不能实时调整算法参数以满足多变的去噪需求，很难达到多信标信号远距离识别的目的。

在雷达和地面定位系统中，常常使用扩频编码技术，该技术因其长周期性和尖锐的自相关特性，具有抗干扰能力强和测量距离远、测距精度高等优点，且在测距的同时兼具信息通信功能。卷积神经网络作为深度学习的代表算法之一，在对像素和音频的学习上有稳定的效果，且对数据没有额外的特征工程要求。

发明内容

鉴于上述，本发明提供了一种基于CNN的多水下信标信号识别方法。该方法可以提升水下信标的作用距离和识别精度，有效地解决长基线信标系统传输距离不足的问题。

本发明的技术方案为：

一种基于CNN的多水下信标信号识别方法，所述方法包括以下步骤：

1)信标发射信号的调制，采用n阶的扩频编码技术，使每一个水下信标有且只有一种对应的编码序列，并且对该编码序列进行相频同移键控混合调制，不同的码元具有不同的相位与频率，以此构成信标的发射信号，因每个信标拥有独特的相位与频率特征，有利于卷积神经网络的识别，每个信标共由2ⁿ-1个1或-1的码元组成，分别是2^n-1个1码元和2^n-1-1个-1码元，其中1表示用m₁个相位为0°的f₁Hz正弦波填充；-1表示用m₂个相位为180°的f₂Hz正弦波填充。调制后的信标模拟信号如式(1)：

当时，化简为如式(2)：

其中Y表示信标调制后的模拟信号，T表示时间，X[i]表示2ⁿ-1个码元中第[i]个序列值，1或者-1；

2)采集到多种信标信号；

3)对采样的信标信号序列集进行数据增强；