[发明专利]一种基于图域特征的引力波信号分类识别方法及系统

说明书

本发明公开了一种基于图域特征的引力波信号分类识别方法及系统，首先通过接收信号功率谱图的连通分量个数，分离出连续型引力波；其次通过其自相关函数图的连通分量个数，分离出随机引力波；最后，通过计算接收信号与其延时信号的时滞积频谱模值图的连通分量个数，分离出Chirp型引力波。仿真结果表明：在信噪比不低于‑3dB时，算法的平均识别率可达95%以上，且该算法实现复杂度较低，具有一定的工程应用价值。

技术领域

本发明涉及一种基于图域特征的引力波信号分类识别方法及系统，属于信号处理技术领域。

背景技术

引力波是指由黑洞、中子星等碰撞产生的一种“时空涟漪”，是一种不可见波。引力波在传播过程中衰减远小于电磁波，可以提供电磁波等其它手段无法获得的信息，因此，如何有效地根据观测到的引力波数据进行分析，已成为相关领域的重要课题。针对引力波数据的分析包括检测和参数估计两个任务。

由于引力波的相互作用较弱，对其的检测困难也较大。目前，引力波信号的检测可以分为能量检测、匹配滤波器检测以及基于深度学习的特征检测三类。其中，能量检测方法将信号的能量作为统计量进行检测判决，实现引力波信号的检测，但是噪声方差的不确定性会使能量检测性能大幅降低，并且此类方法只能检测目标频段是否存在待检信号，不能识别信号的具体类型。匹配滤波器检测可以最佳判决待检测的信号是否存在，但是对于定时和频率同步有较高的要求，同时必须获知待检信号的先验信息，不易于实现。基于深度学习的特征检测方法可自动区分并检测出引力波，然而其缺点是需要事先对大量的数据进行训练。

目前，典型的引力波信号主要有连续型引力波、Chirp型引力波、突发型引力波以及随机引力波。连续型引力波来自两个黑洞碰撞与合并，是周期信号，持续时间较长，其振幅和频率均接近恒定的正弦波特性，主要参数是幅度、相位和频率；Chirp型引力波来自双中子星旋绕，频率近似呈线性调频特性，主要参数是起始频率、终点频率、调频斜率和带宽等；突发型引力波来自核坍缩超新星，具有不连续性，突变性；随机引力波一般来自许多独立来源的未解决的信号的叠加，波形呈现随机性，没有确定规律，类似噪声特性。不同类型的引力波来自不同星体，外在形式有所不同，参数也不同。为了进一步获取上述引力波信号更精确的信息，需要对其参数进行估计，而对引力波信号的识别是参数估计的前提。然而，目前针对引力波信号的分类识别，仅是对Glitch信号分类算法的研究，而有关引力波真实信号的分类算法的文献尚不多见。

发明内容

本发明将针对噪声背景下连续型、Chirp型、突发型以及随机四类引力波信号的分类问题，提出一种基于图域特征的引力波信号分类识别方法及系统。

为解决上述技术问题，本发明提供一种基于图域特征的引力波信号分类识别方法，包括：

(1)计算待识别信号的功率谱，对功率谱进行归一化和量化处理，将归一化和量化处理后的功率谱转化为图，计算图的连通分量个数C₁，将图的连通分量个数C₁与预先设置的阈值η₁进行比较，若C₁＞η₁，则判为连续型引力波；若C₁≤η₁，则进入步骤(2)；

(2)计算待识别信号的自相关函数，对自相关函数进行归一化和量化处理，将归一化和量化处理后的自相关函数转化为图，计算图的连通分量个数C₂，将图的连通分量个数C₂与预先设置的阈值η₂进行比较，若C₂＞η₂，则判为随机引力波；若C₂≤η₂，则进入步骤(3)；