[发明专利]一种水声信号的预测方法

摘要

本发明属于水声信号处理技术领域，涉及一种水声信号的预测方法，包括以下步骤：(a)，对实测水声信号以Volterra级数模型作为基本模型框架建立数学模型，对每一个可能的模型进行遗传编码；(b)，用最小二乘法计算模型系数，得到模型系数后，使用评价数据计算模型的预测误差，用该误差作为模型好坏的评价准则；(c)，进行遗传操作：交叉繁殖：将两个模型的项按照一定的规律分别排序，在两个序列中各随机选择一个交叉点，然后交换序列的后半部分，这样便得到两个新的模型，作为交叉繁殖的后代；变异：随机生成模型的一个项，然后随机替换掉模型原来的一个项，完成变异；(d)，计算水声信号预测模型的均方根误差与信误比，定量分析方法的预测精度。

主权项

1.一种水声信号的预测方法，其特征在于，包括以下步骤：步骤(a)，利用遗传算法对实测水声信号以Volterra级数模型作为基本模型框架建立数学模型，并对每一个可能的模型进行遗传编码；采用Volterra级数模型作为基本模型框架： y = f ( x 1 , x 2 , ... , x N ) = w 0 Σ i = 1 N w i x i + Σ i 1 , i 2 = 1 N w i 1 i 2 x i 1 x i 2 + ... + Σ i 1 , i 2 ... i M = 1 N w i 1 i 2 ... i M x i 1 x i 2 ... x i M ]]>对于N个变量的M阶的Volterra模型，一共有1+N+N2+...+NM项；以Volterra模型为基础，选择一定的项来组成新的模型，而组成模型的项的选择由遗传算法完成；对每一项进行编码；模型的项，有以下的通用表示： Π i = 1 M x i n i n i ≥ 0 ]]>式中：对于项用向量a＝(n1,n2,...,nm)T来表示；多个向量组成一个矩阵，表示一个模型，矩阵的每个列向量表示模型的一个项，矩阵的列数即为模型的项数；步骤(b)，使用最小二乘法计算出模型系数，在得到模型系数后，使用评价数据来计算模型的预测误差，使用该误差作为模型好坏的评价准则；步骤(c)，进行遗传操作：交叉繁殖：将两个模型的项按照一定的规律分别排序，在两个序列中各随机选择一个交叉点，然后交换序列的后半部分，这样便得到两个新的模型，作为交叉繁殖的后代；变异：随机生成模型的一个项，然后随机替换掉模型原来的一个项，完成变异；步骤(d)，计算水声信号预测模型的均方根误差与信误比，定量分析水声信号预测模型的预测精度；均方根误差定义为： R M S E = 1 N Σ n = 1 N a ( x ^ ( n ) - x ( n ) ) 2 ]]>信误比定义为： S E R = 10 log 10 [ E ( x ( n ) 2 ) E ( ( x ( n ) - x ^ ( n ) ) 2 ) ] ]]>式中：x(n)——n时刻的实测值；——n时刻的预测值。