[发明专利]一种基于统计量分析的船舶辐射噪声线谱精确提取方法

说明书

本发明提出一种基于统计量分析的船舶辐射噪声线谱精确提取方法，以最大值、最小值、平均值、中位数、极差、方差作为评价指标，先利用去除连续谱趋势方法提取出可能包含伪线谱的疑似线谱，再求取这些线谱在该时间段的能量统计量，并对这些统计量进行排序赋值并加权，能有效去除疑似线谱之中的伪线谱，精确提取出Lofar图中的线谱成分。

技术领域

本发明涉及船舶辐射噪声提取技术领域，具体为一种基于统计量分析的船舶辐射噪声线谱精确提取方法。

背景技术

船舶辐射噪声包括机械噪声、螺旋桨噪声、水动力噪声，其经过短时傅里叶变换得到的Lofar图上存在丰富的线谱成分，是一种较为稳定的特征信息。这些线谱成分的精确提取对水下目标探测与识别具有重要的工程意义。

常用的舰船辐射噪声线谱提取方法，其要经过信号的预处理、短时傅里叶变换得到Lofar图，再通过人工手动或者设计阈值提取线谱。但是由于海洋环境过于复杂，有许多其他噪声的干扰，如其他舰船目标的噪声、海洋环境噪声、海洋动物叫声等，都会导致Lofar图中的线谱时明时暗，出现断点，甚至出现交叉重叠。这些因素导致通过人工手动或者设计阈值提取出线谱的方法，泛化性弱，可能存在伪线谱，不利于后续的水声目标探测或识别任务的进行，会严重影响水声目标探测或识别的精度。

Lofar图不同频率位置的能量统计量，如能量最大值、能量最小值、能量平均值、能量中位数、能量极差、能量方差等，能帮助研究人员筛选出有价值的信息，去除混淆在真实线谱中的伪线谱成分。在舰船辐射噪声Lofar图中线谱表现为在整个时间段中该频率位置的都具有较高能量值，经过时间上累积后总能量较大，而伪线谱是由于在该频率位置存在某个或某几个时间点有能量特别大的“异值”，导致时间上累积后总能量较大。线谱和伪线谱经过时间累积后能量都较高，通过人工设计阈值或者人工手动提取出线谱的方法无法区分出线谱与伪线谱。但是由于伪线谱是“异值”导致的，故线谱在整个时间段内能量分布比伪线谱在整个时间段内能量分布更为稳定。

发明内容

基于上述原因，结合大量实验分析，针对人工设计阈值或者人工手动提取出线谱存在伪线谱的问题，本发明提出一种基于统计量分析的船舶辐射噪声线谱精确提取方法，先提取船舶辐射噪声的Lofar图中所有疑似线谱，然后利用6个统计量(最大值、最小值、平均值、中位数、极差、方差)对疑似线谱进行评价分析，去除伪线谱，进而精确地提取船舶辐射噪声线谱。

本发明的技术方案为：

所述一种基于统计量分析的船舶辐射噪声线谱精确提取方法，包括以下步骤：

步骤1：获取舰船发出的辐射噪声信号x，对舰船发出的辐射噪声信号x进行均值归一化处理：

对均值归一化处理后的信号进行短时傅里叶变换(Short Time FourierTransform,STFT)，得到信号Lofar图对应的数据矩阵：X维度为M×N；X的时间跨度为T(单位：s)，频率跨度为f(单位：Hz)；

对Lofar图的数据矩阵X进行最大最小归一化处理：

步骤2：对进行时间上的累积，得到不同频率点在T时间段内能量之和，记作向量p，向量p中第j个元素为：将不同频率点对应的能量向量p进行最大最小归一化处理：

步骤3：取向量的极小值点p_min及其对应的频率点位置f_min，利用f_min及p_min拟合连续谱趋势曲线，得到函数Φ：p_min＝Φ(f_min)；利用得到的函数Φ，代入向量对应的频率位置f，得到连续谱各频率点对应能量值，记作

步骤4：将向量的各个元素减去中所对应的元素，得到去除连续谱趋势后的各频率点所对应的能量值大小，记作p_d：将去除连续谱趋势后能量向量p_d进行最大最小归一化处理：