基于小波和混沌理论的微弱舰船辐射特征信号检测方法技术

本发明专利技术提供了基于小波和混沌理论的微弱舰船辐射特征信号检测方法，包括以下步骤：先设定基于小波包分解系数和无偏估计的阈值选择算法，用于自动确定小波的分解层次和去噪阈值；然后利用Duffing振子阵列检测信号的存在性、频率和初始相位；最后在信号频率和初始相位的检测中，利用基于梅尼科夫函数的判断依据和过零检测方法，成功地完成信号的检测。本发明专利技术能自动确定小波的分解层次和去噪阈值，然后利用改进的Duffing振子阵列检测信号的存在性、频率和初始相位，基于梅尼科夫函数的判断依据和过零检测方法，既避免了混沌系统中混沌临界状态与大尺度周期状态的区分困难，又能在低信噪比条件下成功地测量检测出微弱特征信号的频率和相位。

【技术实现步骤摘要】
基于小波和混沌理论的微弱舰船辐射特征信号检测方法
本专利技术属于船舰辐射特征信号检测方法
，具体涉及基于小波和混沌理论的微弱舰船辐射特征信号检测方法。
技术介绍
舰船辐射噪声包含了舰船和水下运动目标的重要特征信息，这些信息可以用来识别、跟踪和估计水下和水下目标的参数，从而实现对水面和水下目标的检测和识别，对国防和安全具有重要的军事意义。然而由于海洋环境的复杂性，当辐射噪声在复杂的时空频率海洋信道中随机变化时，有用信号往往会发生畸变和延迟，淹没在背景噪声中，给舰船辐射噪声的检测带来了很大的困难和挑战。近年来，随着现代数字信号处理技术的发展，高阶统计量、小波变换和人工神经网络应用于船舶目标检测与识别，这些理论和方法本质上都是线性系统处理方法，在超声无损检测领域取得了良好的效果，如超声无损检测。小波变换理论提供了一种自适应时频局部化分析方法，可以利用小波变换理论对信号进行去噪处理。在传统的信号去噪处理中，存在着信号变换后熵增大、无法描述信号的非平稳特性以及无法获得信号相关性等缺点。在传统的信号去噪处理中，存在着信号变换后熵增大、无法描述本文档来自技高网...

【技术保护点】
1.基于小波和混沌理论的微弱舰船辐射特征信号检测方法，其特征在于：包括以下步骤：/n先设定基于小波包分解系数和无偏估计的阈值选择算法，用于自动确定小波的分解层次和去噪阈值；/n然后利用Duffing振子阵列检测信号的存在性、频率和初始相位；/n最后在信号频率和初始相位的检测中，利用基于梅尼科夫函数的判断依据和过零检测方法，成功地完成信号的检测。/n

【技术特征摘要】
1.基于小波和混沌理论的微弱舰船辐射特征信号检测方法，其特征在于：包括以下步骤：
先设定基于小波包分解系数和无偏估计的阈值选择算法，用于自动确定小波的分解层次和去噪阈值；
然后利用Duffing振子阵列检测信号的存在性、频率和初始相位；
最后在信号频率和初始相位的检测中，利用基于梅尼科夫函数的判断依据和过零检测方法，成功地完成信号的检测。


2.根据权利要求1所述的基于小波和混沌理论的微弱舰船辐射特征信号检测方法，其特征在于，基于小波包分解系数是先用小波包对被测信号进行多层阈值去噪，然后将去噪后的信号输入到改进的Duffing振子阵列中进行信号处理检测，然后再根据Duffing振子的动态特性，检测出微弱信号，并对参数进行估计。


3.根据权利要求2所述的基于小波和混沌理论的微弱舰船辐射特征信号检测方法，其特征在于，所述小波分解层数和去噪阈值的确定是首先利用小波包进行分解，假设在正交小波分解中，j级小波包分解的前半部分被视为低频小波系数Cj，k，后半部分被视为高频细节小波系数Dj，k。假设高频细节系数的平均值和标准差为：






然后清除噪声对的影响，以三倍标准偏差，其概率为97.7％作为一个阈值来处理高频细节系数：



处理后设一个阈值δ，令其为：



由δ来决定分解的层数，当δ＞0.9196时，就终止小波的分解，因为当δ≤0.9196时，认为在第j层小波包分解时，这时代表噪声的小波系数还比较大，应该继续分解，直到δ＞0.9196，噪声的小波系数影响不大，停止小波的继续分解，这时就确定小波的分解层数了。
去噪阈值的确定是首先定义风险函数：



根据小波变换的正交性，可以把风险函数改写在小波域中：



假设那么



其中^是特征函数，I是两个数字中较小值的函数；
然后通过最小化风险函数得到最优阈值，即：





4.根据权利要求3所述的基于小波和混沌理论的微弱舰船辐射特征信号检测方法，其特征在于，改进的Duffing振子阵列具体为先选择Duffing振子，方程的具体形式为：



其中k是一个常数，称为阻尼比；
-x(t)+x3(t)是Duffing振子的非线性部分；
acos(t)称为周期策动力，
a是周期策动力的幅值，
ω是周期策动力的周期；
其中当非线性部分为-x(t)+x3(t)这种形式时，称为Holmes型Duffing方程，该混沌振子的复杂动力学行为主要受非线性项-x(t)+x3(t)的影响而表现出非线性随机行为；
将Holmes型Duffing方程的非线性项-x(t)+x3(t)替换成-x3(t)+x5(t)，就可以得到改进型的Duffing振子：



改进模型的参数a与系统的动态行为密切相关；
当a＝0时，系统的相位轨迹会收敛到焦点(1，0)或(-1，0)，具体的收敛点取决于系统的初始条件，在这种情况下，(0，0)点称为系统相平面的鞍点；
当发生a≠0时，系统将表现出复杂的混沌特征；
当a最小时，系统的相位轨迹将从收敛到一个焦点，变为围绕这个焦点周期性地振动，从而形成同宿轨迹，随着a的增加，系统的相轨迹将变为倍周期分岔，如果a继续增大，系统的输出将从倍周期分岔转变为随机振荡，即混沌状态，从同宿轨道到混沌状态，它随着a的变换而迅速变化，然后随着a在长时间的变换过程中不断增加，系统始终处于混沌状态；
当周期强迫力超过一定的阈值时，系统将...

【专利技术属性】
技术研发人员：彭超，张光旻，严红光，
申请(专利权)人：东莞理工学院，广东思威特智能科技股份有限公司，
类型：发明
国别省市：广东;44