常国勇,袁富宇,崔　杰

(江苏自动化研究所,江苏连云港　222061)



基于不同能量值特征优选的水声目标识别

常国勇,袁富宇,崔杰

(江苏自动化研究所,江苏连云港222061)

摘要:采用Bartlet平均周期图、小波变换和经验模态分解方法分别提取信号的频段能量值特征、IMF能量值特征,重点对IMF能量值特征进行特征优选。通过设计BP神经网络分类器,对实测的四类舰船目标的辐射噪声信号进行测试,取得了较好的识别效果。

关键词:小波变换;经验模态分解;特征优选;BP神经网络分类器

水声目标识别技术[1]的关键是有效提取水声目标辐射噪声信号特征,诸如功率谱、频率、波形结构等。章新华利用小波变换的方法提取舰船辐射噪声信号的功率谱特征,经过特征优选,平均正确识别率达86.1%[2]。本文从信号能量的角度出发,分析舰船辐射噪声信号,从而对各类目标进行识别,并与之进行对比。

不同信号的能量值特征在一定程度上能够区分不同类型的目标,小波变换(WT)和经验模态分解(EMD)都能将原始信号分解成不同频率层次的信号,计算其能量值即可作为信号的初始特征向量。特征优选的目的是选取一组维数相对较低的特征向量,使得目标的平均正确识别率最高。通常,选取最优特征向量并不容易,需要不断、反复地进行分类测试。

1特征提取方法

1.1Bartlet平均周期图法

记输入数据为Y(n),取M段平均,每段数据长度为N,第i段数据记为

Y(i)(m)=Y[m+(i-1)N]

(1)

其中,m=0,1,…,N-1,i=1,2,…,M。

第i段的周期图为

(2)

其中,k=0,1,…,N-1。

平均功率谱为

(3)

令P(k)=10logPxx(k),然后对其进行多项式拟合,即