[发明专利]对水下入侵目标引起接收信号变化的无监督学习检测方法

摘要

本发明提供了一种对水下入侵目标引起接收信号变化的无监督学习检测方法，将需要进行测试的数据预处理作为训练数据，训练数据从根节点依次建立的二叉树，统计测试数据平均经过的节点数，计算测试脉冲数据的异常得分，判断是否存在前向散射信号引起的接收信号异常变化；本发明采用无监督学习算法，实现了对水下入侵目标前向散射导致的微弱接收信号异常进行检测，在减弱时变环境影响的同时充分利用各种已知信息，实现较好的检测性能；相比现有方法，本发明可以实现对前向散射信号的实时检测，且比采用常规iForest方法对目标前向散射引起的声场变化检测的效果更加显著。

主权项

1.一种对水下入侵目标引起接收信号变化的无监督学习检测方法，其特征在于包括下述步骤：步骤一：接收数据的预处理；接收数据矩阵X由多个接收脉冲信号组成，表示如下：X(t)＝[x₁(t)，x₂(t)，…，x_i(t)，…x_N(t)]其中x_i(t)为第i个脉冲信号，N为脉冲个数，t为相对时间，预处理具体过程为：1)对接收数据矩阵X进行希尔伯特变换，得到脉冲包络矩阵H，具体变换过程为：H(t)＝[h₁(t)，…,h_i(t),…h_N(t)]2)将脉冲包络以信号功率归一化，得到归一化脉冲包络矩阵其中M为相对时间t的点数；3)对归一化脉冲包络矩阵进行离散傅里叶变换(DFT)，得到脉冲包络频谱频谱分辨率不低于1％接收信号带宽：步骤二：预先准备包含N_R个接收脉冲信号的接收数据矩阵X_R，按照步骤一中预处理方法进行处理后，得到作为训练数据建立孤立森林；具体过程如下：使用训练数据建立孤立森林，孤立森林由k棵二叉树组成数，其中每颗二叉树的建立方法如下：1)从训练数据中随机抽取n个接收脉冲信号作为建立该二叉树的子数据集其中n取N_R的10％～100％；2)建立一个根节点，在该根节点上随机选取第p个频率点，并随机选取一个幅值门限q，该幅值门限q在的最大值与最小值之间；3)在根节点对训练数据进行划分：子数据集中的各个脉冲数据进行如下判断：如果满足则脉冲数据流向该节点的左子节点；不满足则脉冲数据流向该节点的右子节点；4)子节点的建立方法与根节点一致，当子数据集的每一条脉冲数据都不能再划分，即所有脉冲数据都到达一个只含有自己的节点，或到达一个只含有与自己完全相同的脉冲数据的节点时，二叉树建立完成；步骤三：将需要进行测试的数据按照步骤一中预处理方法进行处理作为训练数据，训练数据从根节点依次通过步骤二中建立的二叉树，统计测试数据平均经过的节点数计算测试脉冲数据的异常得分s_i，判断是否存在前向散射信号引起的接收信号异常变化；第i个脉冲的异常得分s_i的计算方法如下：其中H(i)＝ln(i)+ξ，ξ≈0.5772156649；对异常得分s_i进行修正，用A_i表示接收脉冲信号x_i(t)的最大幅值，定义幅度变化量ΔA为：其中E_i(A)表示第i个接收脉冲信号时刻时的平均最大幅值，由当前时刻之前m个接收脉冲的最大幅值进行估计：采用幅度变化量ΔA对异常得分s_i进行修正：s′_i＝(|ΔA‑1|+1)·s_i得到修正后的异常得分s′_i，在0.3～0.7之间选取门限值，若的异常得分s′_i大于门限值，则第i个脉冲信号中存在前向散射信号引起的接收信号异常，检测完成。