[发明专利]一种舰船辐射噪声分类方法

说明书

本发明提供了一种舰船辐射噪声分类方法，将舰船辐射噪声信号进行分帧和加窗，并进行归一化处理；搭建变分自编码器模型，优化损失函数生成仿真信号，搭建基于卷积网络的仿真信号分类模型，将网络模型进行优化，将待测的真实舰船辐射噪声片段信号输入到优化并且训练好的网络模型中，即可得到真实信号的分类概率，根据样本判别为3类目标的概率值，得到最终的舰船辐射噪声信号分类结果。本发明有效的应对由于舰船辐射噪声样本数量不足而引起的网络模型分类效果不佳的问题，在一定程度上节约了舰船辐射噪声采集试验的成本，具有很高的实用性。

技术领域

本发明涉及信号处理领域，尤其是一种噪声分类方法，涉及舰船辐射噪声重构，机器学习，神经网络等理论。

背景技术

在传统的水下目标被动分类任务中十分依赖声呐兵的作用。训练有成、经验丰富的声呐兵能够根据人耳收听到的舰船目标信号的节奏、音调，在谱图的辅助下依靠自己的经验对目标做出决策。但声呐兵的培养需要长期的投入，即便是身经百战的声呐兵，其判断的准确程度还会受到声呐员的生理和心理因素影响，难以保证永远有稳定可靠的发挥。由于舰船辐射噪声信号来之不易，敌国的舰船辐射噪声信号更是无从获取，因此可靠且有效的舰船辐射噪声数据集少之又少，舰船辐射噪声信号分类方面的研究一直受到一定程度的阻碍。因此，如何更有效的利用少量的数据集样本对舰船辐射噪声信号进行分类，是解决当前在该方面研究受阻的重要的突破手段。

近些年来，我国的海域问题频繁出现，再一次从客观角度证明水中目标分类技术对于确保我国领海安全以及国土安全都至关重要。鉴于上述问题，开展可行有效的水中目标分类方法的研究，对于维护我国海洋合法权益，保障海上安全，占领海上战争主动权，具有十分重要的军事意义。

发明内容

为了克服现有技术的不足，本发明提供一种舰船辐射噪声分类方法。针对舰船辐射噪声数据集样本数量不足导致的分类器分类效果欠佳的问题，提出了一种基于变分自编码器仿真信号的舰船辐射噪声分类方法。

本发明解决其技术问题所采用的技术方案的主要步骤如下：

步骤一：舰船辐射噪声信号的分帧和加窗

对水听器采集到的声信号y(t)进行分帧和加窗处理，处理后的信号为X(t)＝{x_i(t)|i＝1,2,...,N}：

X(t)＝enframe(y(t))＝{x_i(t)|i＝1,2,...,N}

其中，x_i(t)是第i帧的片段信号，N代表总的帧长，t代表时间，enframe(·)代表分帧加窗运算，X(t)是片段信号的集合；

步骤二：舰船辐射噪声片段信号的归一化处理；

对步骤一中得到的每一个片段信号x_i(t)做归一化处理；

步骤三：搭建变分自编码器模型；

变分自编码器模型VAE包含两个部分：编码器Encoder和解码器Decoder；

自编码器模型VAE表示如下：

f_VAE(·)＝{Encoder(·)，Decoder(·)}

其中，Encoder(·)代表编码器运算，Decoder(·)代表解码器运算，f_VAE(·)代表自编码器网络运算；

步骤四：优化损失函数生成仿真信号；

VAE模型中的损失函数包括两个部分：重构误差和分布误差；重构误差采用最小均方误差(MSE)计算，分布误差采用KL散度计算；片段信号z(t)最终经过变分自编码器模型VAE生成仿真信号z′(t)：