一种水下弱小目标检测方法技术

本发明专利技术提供了一种水下弱小目标检测方法，涉及信号处理领域，利用特征层信息融合方法将特征量映射到同一高维空间中，实现分类，通过分类结果进行检测，本发明专利技术利用了混沌理论准确描述和实现目标信号和环境噪声中的非线性成分的特征提取，有效避免环境噪声中随机成分的干扰，利用信号中的混沌特征进行信号检测可明显降低最低检测信噪比、提高检测概率，随机共振方法将随机噪声能量转化为信号能量，提高对弱小目标的探测能力，同时也能将信号中含有的非线性成分突显出来，融合中心的分类办法能将单个节点中产生的虚惊、漏检等与正确检测结果分离开，进一步提高检测概率，提高海上弱小目标探测的有效性和可靠性。

Underwater dim small target detection method

The present invention provides a method for detecting small target under water, relates to the field of signal processing, using feature level information fusion method will be mapped to the same feature in high dimensional space, realize the classification, through testing the classification results, the invention utilizes the characteristics of nonlinear components of chaos theory to accurately describe and realize the target signal and noise the extraction, effectively avoid the interference of random component in ambient noise, signal detection can significantly reduce the minimum detectable signal-to-noise ratio and improve the detection probability by using chaotic signal features, the method of stochastic resonance with the machine noise energy into signal energy, improve the ability to detect weak targets, but also be able to highlight the nonlinear components the signal contains, measures for the classification of the fusion center can generate a single node in the false alarm and omission and correct test results Further improve the detection probability and improve the effectiveness and reliability of small target detection at sea.

【技术实现步骤摘要】
一种水下弱小目标检测方法
本专利技术涉及信号处理领域，尤其是一种目标检测方法。
技术介绍
水下航行器航行时辐射噪声级较小，属于小目标，现代潜艇在水下航行时辐射噪声级低于三级海况噪声级，属于声学弱目标，且由于海洋环境的复杂性和多样性，对海上弱小目标的探测技术发展较慢且难于满足实际需要。对水中远距离目标的检测通过提取目标辐射噪声中的特征来实现，目标辐射噪声频谱具有特殊的线谱和连续谱，通过提取其中特征可实现目标检测，线谱是目标辐射噪声谱中的一个重要特征，利用线谱进行舰船辐射噪声检测的相关研究取得了一定的成果。李启虎等从理论方法和数值分析角度分别探讨了自相关检测、快速傅里叶变换方法、自适应线谱增强等几种方法的优劣，相比之下分段快速傅里叶变换线谱检测具有较好的效果，且对频率漂移现象有较好的宽容性。AntoniJerome等提出利用循环频率分析方法提取线谱频率，并进行了理论推导分析，以上方法均要求线谱频率等参数已知，无此先验信息时，结果会受到很大影响。连续谱是目标辐射噪声频谱的另一重要特征和组成部分，具有单独的谱峰。张晓勇等从频率与能量分布的角度出发，在顺势频率方差检测器的基础上，推导出了窄带信号和宽带信号同时满足的瞬时频率分布与能量分布的表达式，从而利用目标辐射噪声连续谱分量存在一个能量相对集中的频率中心这一特性，利用瞬时频率分析进行描述，实现了利用舰船辐射噪声连续谱进行目标检测，然而，这种基于能量的检测方法，在远距离下结果会受到较大影响。
技术实现思路
为了克服现有技术的不足，针对水中弱小目标在低信噪比条件下探测难的问题，结合复杂海洋环境下的非线性特征表征的需要，本专利技术提供一种更低信噪比下水下弱小目标检测方法。本专利技术解决其技术问题所采用的技术方案包括具体步骤如下：第一步：提取目标辐射噪声中的Lyapunov指数矩阵每得到一个重构维数m并确定对应延迟时间τ，均可得到一个m×1的Lyapunov向量，将Lyapunov向量分别组成具有m列的矩阵，利用最小二乘方法得到目标辐射噪声中的Lyapunov指数特征量，详细步骤如下：首先，根据Takens重构定理，根据G-P算法取不同的重构维数和延迟时间，得到信号在不同重构空间中的表征：x(i)＝[x(i),x(i+τ),...,x(i+(m-1)τ)]T,i＝1,...,n(1)其中x(i)表示信号，τ为延迟时间，[]T表示转置，n为信号长度，m为重构维数；其次，分别采集e种1至5级海况下相同区域相同时间的海洋环境噪声，分别采集f种远海备选区域下相同海况相同时间的海洋环境噪声，分别采集g种3、6、9、12月各时间差异下相同海况相同海域下的海洋环境噪声，得到三个分别是m×e,m×f,m×g阶的Lyapunov指数矩阵；采集h种航速海况、区域、时间相同的水中各目标辐射噪声和k种水文环境航速相同的水中各目标辐射噪声，分别得到p种目标的m×h,m×k阶Lyapunov指数矩阵；将e、f、g种原始海洋环境噪声数据的任意一种数据，分别按照0.1、0.5、1和2的权重加入到h、k种中任意一种目标辐射噪声数据中，分别计算Lyapunov指数，每一个重构维数m对应一个Lyapunov指数，得到m×1维向量，形成h和k种数据组合，从而得到四种含有海洋环境噪声和各目标辐射噪声的m×h,m×k阶Lyapunov指数矩阵，利用最小二乘法得到基于Lyapunov指数的特征量；第二步：提取目标辐射噪声及海洋环境噪声中的关联维数，利用神经网络的方法，建立m(m-1)/2个隐层，提取包含在各隐层的关联维数，得到基于关联维数的特征量；具体步骤为：利用式(2)计算关联积分Cn(r)：其中n为信号长度，θ为Heaviside单位函数，r表示距离，yi、yj为不同轨道的信号幅度，可得关联维数D：建立m(m-1)/2个隐层，在预处理层通过G-P算法得到目标辐射噪声的时间延迟τ和重构维数m，得到目标辐射噪声的m列，n-(m-1)τ行重构矩阵Γ，重构矩阵Γ是由关联维数构成的特征量；第三步：对Duffing振子系统在输入目标辐射噪声时的系统运动状态变化进行表征Duffing振子系统表示为：其中，x′为振动幅度，表示x′的导数，y′为x′的导数，fcos(ωt)为内策动力，f为内策动力幅度，F(x′)为输入信号，k′＝0.5，α＝1，β＝1，ω＝1；分别将海洋环境噪声和各目标辐射噪声输入Duffing振子系统中，以0和1分别表征系统处于混沌状态或非混沌状态，得到基于混沌系统通过特性的特征向量；第四步：利用C0算法进行系统复杂度分析C0算法描述为：其中C0(r,n)为系统复杂度，x(i)为原始数据，为原始数据通过FFT变换方法得到的原始数据的非规则部分，n为序列长度，r为到x(i)的距离，即根据公式(5)分别计算海洋环境噪声和各目标辐射噪声的系统复杂度值，得到基于系统复杂度的特征量；第五步：采用时域平均法、相关检测和高阶统计量，分别获得实录海洋环境噪声和多类目标辐射噪声的目标特征；第六步：利用小波分析、小波包分析及经验模态分解的多分辨特性，得到0～1000Hz频段的目标辐射噪声信号的线谱数目，构成线谱数目特征；第七步：构造优化测度指标建立以信噪比与信噪比增益为指标的最优测度计算方法，得到测度特征，具体步骤如下：信噪比与信噪比增益表述为在待测周期信号频率处，输出信号与背景嗓声的功率谱之比SNR(signalandnoiseracial)表迖式为：其中：S(ω)表示信号功率谱密度，SN(Ω)为噪声在周期信号频率处的强度，ω为信号角频率，Ω为模拟信号频率；第八步：特征层信息融合方法利用核主成分分析(KPCA)从特征向量区分出主特征，通过非线性映射φ将原始向量X(X∈RN)映射到一个高维的特征空间F＝{φ(X):X∈RN}，在F＝{φ(X):X∈RN}上进行PCA分析，将在输入空间无法线性分类的数据变换到特征空间中；第一步至第七步得到的特征量包括Lyapunov指数特征、关联维数特征、混沌信息通过特性、系统复杂度特征、时域平均法、相关检测、高阶统计量特征、测度特征以及线谱数目特征，其中线谱数目特征即原始向量X(X∈RN)，利用特征层信息融合方法将这些特征映射到同一高维空间中，实现分类；利用单类SVM学习数据样本，构造模型以检测目标信号，给定Z个没有标签的数据点，通过非线性映射Φ:X→H；x→Φ(x)，x∈X将样本从输入空间X映射到特征空间H中，映射通过核函数间接定义：k(xi，xj)＝<Φ(xi)，Φ(xj)>(8)One-classSVM在特征空间中构造一个球，该球包含大部分样本的像作为正常数据，由于噪声的存在，存在少部分非正常样本在球外面，非正常数据也称为新颖数据，球通过下面的原始问题实现：s.t.||φ(xj)-a||2≤R2+ξjξj≥0其中R是球半径，C为惩罚参数，a是球心坐标向量，ξj是允许数据点在球外引入的松弛变量，引入凸优化里Lagrangian乘子法求解：单类SVM基于结构风险最小化原理，C对球的最小体积与正确分类取得折中，βj≥0和μj≥0为Lagrange乘子，根据Fletcher的KKT的互补条件得到ξjμj＝0(11)(R2+ξj-||φ(xj)-a||2)βj＝0(12)利用公式(11)本文档来自技高网...

【技术保护点】
一种水下弱小目标检测方法，其特征在于包括下述步骤：第一步：提取目标辐射噪声中的Lyapunov指数矩阵每得到一个重构维数m并确定对应延迟时间τ，均可得到一个m×1的Lyapunov向量，将Lyapunov向量分别组成具有m列的矩阵，利用最小二乘方法得到目标辐射噪声中的Lyapunov指数特征量，详细步骤如下：首先，根据Takens重构定理，根据G‑P算法取不同的重构维数和延迟时间，得到信号在不同重构空间中的表征：x(i)＝[x(i),x(i+τ),...,x(i+(m‑1)τ)]

【技术特征摘要】
1.一种水下弱小目标检测方法，其特征在于包括下述步骤：第一步：提取目标辐射噪声中的Lyapunov指数矩阵每得到一个重构维数m并确定对应延迟时间τ，均可得到一个m×1的Lyapunov向量，将Lyapunov向量分别组成具有m列的矩阵，利用最小二乘方法得到目标辐射噪声中的Lyapunov指数特征量，详细步骤如下：首先，根据Takens重构定理，根据G-P算法取不同的重构维数和延迟时间，得到信号在不同重构空间中的表征：x(i)＝[x(i),x(i+τ),...,x(i+(m-1)τ)]T,i＝1,...,n(1)其中x(i)表示信号，τ为延迟时间，[]T表示转置，n为信号长度，m为重构维数；其次，分别采集e种1至5级海况下相同区域相同时间的海洋环境噪声，分别采集f种远海备选区域下相同海况相同时间的海洋环境噪声，分别采集g种3、6、9、12月各时间差异下相同海况相同海域下的海洋环境噪声，得到三个分别是m×e,m×f,m×g阶的Lyapunov指数矩阵；采集h种航速海况、区域、时间相同的水中各目标辐射噪声和k种水文环境航速相同的水中各目标辐射噪声，分别得到p种目标的m×h,m×k阶Lyapunov指数矩阵；将e、f、g种原始海洋环境噪声数据的任意一种数据，分别按照0.1、0.5、1和2的权重加入到h、k种中任意一种目标辐射噪声数据中，分别计算Lyapunov指数，每一个重构维数m对应一个Lyapunov指数，得到m×1维向量，形成h和k种数据组合，从而得到四种含有海洋环境噪声和各目标辐射噪声的m×h,m×k阶Lyapunov指数矩阵，利用最小二乘法得到基于Lyapunov指数的特征量；第二步：提取目标辐射噪声及海洋环境噪声中的关联维数，利用神经网络的方法，建立m(m-1)/2个隐层，提取包含在各隐层的关联维数，得到基于关联维数的特征量；具体步骤为：利用式(2)计算关联积分Cn(r)：其中n为信号长度，θ为Heaviside单位函数，r表示距离，yi、yj为不同轨道的信号幅度，可得关联维数D：建立m(m-1)/2个隐层，在预处理层通过G-P算法得到目标辐射噪声的时间延迟τ和重构维数m，得到目标辐射噪声的m列，n-(m-1)τ行重构矩阵Γ，重构矩阵Γ是由关联维数构成的特征量；第三步：对Duffing振子系统在输入目标辐射噪声时的系统运动状态变化进行表征Duffing振子系统表示为：其中，x′为振动幅度，表示x′的导数，y′为x′的导数，fcos(ωt)为内策动力，f为内策动力幅度，F(x′)为输入信号，k′＝0.5，α＝1，β＝1，ω＝1；分别将海洋环境噪声和各目标辐射噪声输入Duffing振子系统中，以0和1分别表征系统处于混沌状态或非混沌状态，得到基于混沌系统通过特性的特征向量；第四步：利用C0算法进行系统复杂度分析C0算法描述为：其中C0(r,n)为系统复杂度，x(i)为原始数据，为原始数据通过FFT变换方法得到的原始数据的非规则部分，n为序列长度，r为到x(i)的距离，即根据公式(5)分别计算海洋环境噪声和各目标辐射噪声...

【专利技术属性】
技术研发人员：王海燕，姚海洋，马石磊，申晓红，张之琛，贾天一，白卫岗，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61