一种水下噪声的非线性特征检测方法技术

本发明专利技术公开了一种水下噪声的非线性特征检测方法，包括：S1、采集水下噪声信号，并进行排列熵提取；S2、对排列熵进行多尺度的特征分类，获取水下噪声的差异化特征，实现水下噪声的非线性特征检测。本发明专利技术针对空化噪声和海洋环境噪声的特点，利用多尺度相位排列熵和改进多尺度排列熵提取复杂度特征，实现空化噪声和海洋背景噪声的特征区分，提高被动声呐系统的检测能力。检测能力。检测能力。

【技术实现步骤摘要】
一种水下噪声的非线性特征检测方法


[0001]本专利技术属于噪声特征分析
，具体涉及一种水下噪声的非线性特征检测方法。

技术介绍

[0002]水下噪声包括海洋背景噪声、目标(舰船、鱼雷)辐射噪声和目标自噪声。其中，海洋背景噪声和目标噪声时声呐系统的主要干扰背景之一，目标辐射噪声被动声呐系统的声源，被动声呐系统就是接收这种噪声来实现目标的检测。螺旋桨空化噪声是目标自噪声和目标辐射噪声的主要噪声成分之一，深入分析空化噪声和海洋背景噪声的特性，对提高自身的隐蔽性和安全性以及提高被动系统的检测和识别能力具有重要意义。
[0003]目前对空化噪声和海洋背景噪声的特征分析方法主要包括线谱分析、高阶谱分析、时频分析。但是，水下海洋环境复杂多变，受随机、时变、空变、非均匀海洋传输介质的影响，水声目标信号存在着很强的畸变和非线性涨落，表现出非平稳、非高斯、非线性的“三非”特性，因此，传统的信号特征分析方法存在明显的局限性。

技术实现思路

[0004]针对现有技术中的上述不足，本专利技术提供的水下噪声的非线性特征检测方法解决了现有的水声目标信号受水下海洋环境影响，难以准确分析其特征差异的问题。
[0005]为了达到上述专利技术目的，本专利技术采用的技术方案为：一种水下噪声的非线性特征检测方法，包括以下步骤：
[0006]S1、采集水下噪声信号，并进行信息熵提取；
[0007]S2、对排列熵进行多尺度的特征分类，获取水下噪声的差异化特征，实现水下噪声的非线性特征检测；
[0008]其中，所述水下噪声信号为相同航次的海洋背景噪声信号和螺旋桨空化噪声信号，所述信息熵为相位排列熵或改进排列熵。
[0009]进一步地，所述步骤S1中，当信息熵为相位排列熵时，提取相位排列熵的方法为：
[0010]A1、确定水下噪声信号的瞬时相位序列；
[0011]A2、对瞬时相位序列进行粗粒化处理，得到瞬时相位子序列；
[0012]A3、对瞬时相位子序列进行相空间重构，获得若干行向量；
[0013]A4、根据重构相空间时的维数，对各行向量中的元素进行升序排列，获得若干种次序模式；
[0014]A5、确定相空间中，每种次序模式出现的概率；
[0015]A6、根据各次序模式出现的概率，确定相位排列熵。
[0016]进一步地，所述步骤A2中，对瞬时相位序列进行粗粒化处理的公式为：
[0017][0018]式中，为尺度s下瞬时相位子序列y
(s)
中的元素，s为尺度因子，x
i
为信号的瞬时相位，x
i
∈X，X为瞬时相位序列，X＝{x1,x2,x3,...,x
N
}，N为X中的瞬时相位总数，下标i为瞬时相位序数，下标j为序列X粗粒化处理后形成的瞬时相位子序列y
(s)
中元素的序数；
[0019]所述步骤A3中，行向量Y
is
为：
[0020][0021]式中，为行向量Y
is
中的元素，τ为时间延迟，m为重构相空间的维数；
[0022]所述步骤A4中，对行向量中的元素进行升序排列得到的次序模式为：
[0023][0024]式中，k1,k2,...,k
m
为对应各元素的原始位置，π
i
＝[k1,k2,...,k
m
]，π
i
为符号向量；
[0025]所述步骤A5中，每种次序模式出现的概率p
l
为：
[0026]P
l
＝h
l
/N
‑
m+1
[0027]式中，h
l
为每种次序模式出现的频次，下标l＝1,2,
…
,m！；
[0028]所述步骤A6中，相位排列熵PE(m)的表达式为：
[0029][0030]进一步地，所述步骤S2具体为：
[0031]S21、在相同采样周期内，确定相同航次若干通道中的海洋背景噪声信号和螺旋桨空化噪声信号对应若干尺度下的相位排列熵；
[0032]S22、确定同一通道内同一尺度下的海洋背景噪声信号和螺旋桨空化噪声信号对应的相位排列熵平均值；
[0033]S23、根据各个通道下相位排列熵平均值，确定各个通道中海洋背景噪声信号和螺旋桨空化噪声信号的相位排列熵随尺度因子的变化曲线；
[0034]S24、根据变化曲线，确定海洋背景噪声信号和螺旋桨空化噪声信号的差异化特征，实现水下噪声的非线性特征检测。
[0035]进一步地，所述步骤S1中，当信息熵为改进排列熵时，提取改进排列熵的方法具体为：
[0036]B1、对水下噪声信号的时间序列进行归一化处理，并对归一化序列进行粗粒化处理，得到时间子序列；
[0037]B2、对时间子序列进行相空间重构，获得相空间；
[0038]B3、对相空间的若干行向量进行符号化处理，获得符号相空间；
[0039]B4、根据重构相空间时的维数，对符号相空间中的每组行向量分别进行排序得到对应的符号模式，并确定每种符号模式出现的概率；
[0040]B5、根据各符号模式出现的概率，确定改进排列熵。
[0041]进一步地，所述步骤B1中，通过累积分布函数对时间序列进行归一化处理，所述累积分布函数的表达式为：
[0042][0043]式中，a
i
为原时间序列y
i
归一化后的时间序列元素，t为归一化时的累积分布因子，σ和μ分别为时间序列A的均值和方差，A＝{a1,a2,a3,...,a
W
}，下标W为时间序列A中元素的总数；
[0044]所述步骤B1中，对归一化序列进行粗粒化处理的公式为：
[0045][0046]式中，为尺度s下归一化序列中的元素，s为尺度因子，下标j为粗粒化处理后的序列中元素的序数；
[0047]所述步骤B2中，对尺度s下的时间子序列y
(s)
进行相空间重构，得到：
[0048][0049]式中，Y
is
为相空间Y
s
中的行向量，为行向量Y
is
中的元素，τ为时间延迟，m为重构相空间时的维数；
[0050]所述步骤B3中，对相空间的若干行向量进行符号化处理的方法为：
[0051]对相空间Y
s
的第一列行向量Y
s
(:,1)通过均量化算子进行符号化，得到符号相空间S
s
的第一列行向量S
s
(:,1)：
[0052]其中，均匀量化算子的表达式为：
[0053][0054]式中，u为Y
s
(:,1)中的元素，L为预设的离散化参数，和为相空间Y
s
中子序列y
s
的最小值和最大值，Δ本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水下噪声的非线性特征检测方法，其特征在于，包括以下步骤：S1、采集水下噪声信号，并进行信息熵提取；S2、对排列熵进行多尺度的特征分类，获取水下噪声的差异化特征，实现水下噪声的非线性特征检测；其中，所述水下噪声信号为相同航次的海洋背景噪声信号和螺旋桨空化噪声信号，所述信息熵为相位排列熵或改进排列熵。2.根据权利要求1所述的水下噪声的非线性特征检测方法，其特征在于，所述步骤S1中，当信息熵为相位排列熵时，提取相位排列熵的方法为：A1、确定水下噪声信号的瞬时相位序列；A2、对瞬时相位序列进行粗粒化处理，得到瞬时相位子序列；A3、对瞬时相位子序列进行相空间重构，获得若干行向量；A4、根据重构相空间时的维数，对各行向量中的元素进行升序排列，获得若干种次序模式；A5、确定相空间中，每种次序模式出现的概率；A6、根据各次序模式出现的概率，确定相位排列熵。3.根据权利要求2所述的水下噪声的非线性特征检测方法，其特征在于，所述步骤A2中，对瞬时相位序列进行粗粒化处理的公式为：式中，为尺度s下瞬时相位子序列y
(s)
中的元素，s为尺度因子，x
i
为信号的瞬时相位，x
i
∈X，X为瞬时相位序列，X＝{x1,x2,x3,...,x
N
}，N为X中的瞬时相位总数，下标i为瞬时相位序数，下标j为序列X粗粒化处理后形成的瞬时相位子序列y
(s)
中元素的序数；所述步骤A3中，行向量Y
is
为：式中，为行向量Y
is
中的元素，τ为时间延迟，m为重构相空间的维数；所述步骤A4中，对行向量中的元素进行升序排列得到的次序模式为：式中，k1,k2,...,k
m
为对应各元素的原始位置，π
i
＝[k1,k2,...,k
m
]，π
i
为符号向量；所述步骤A5中，每种次序模式出现的概率P
l
为：P
l
＝h
l
/N
‑
m+1式中，h
l
为每种次序模式出现的频次，下标l＝1,2,
…
,m！；所述步骤A6中，相位排列熵PE(m)的表达式为：4.根据权利要求2所述的水下噪声的非线性特征检测方法，其特征在于，所述步骤S2具体为：S21、在相同采样周期内，确定相同航次若干通道中的海洋背景噪声信号和螺旋桨空化
噪声信号对应若干尺度下的相位排列熵；S22、确定同一通道内同一尺度下的海洋背景噪声信号和螺旋桨空化噪声信号对应的相位排列熵平均值；S23、根据各个通道下相位排列熵平均值，确定各个通道中海洋背景噪声信号和螺旋桨空化噪声信号的相位排列熵随尺度因子的变化曲线；S24、根据变化曲线，确定海洋背景噪声信号和螺旋桨空化噪声信号的差异化特征，实现水下噪声的非线性特征检测。5.根据权利要求1所述的水下噪声的非线性特征检测方法，其特征在于，所述步骤S1中，当信息熵为改进排列熵时，提取改进排列熵的方法具体为：B1、对水下噪声信号的时间序列进行归一化处理，并对归一化序列进行粗粒化处理，得到时间子序列；B2、对时间子序列进行相空间重构，获得相空间；B3、对相空间的若干行向量进行符号化处理，获得符号相空间；B4、根据重构相空间时的维数，对符号相空间中的每组行...

【专利技术属性】
技术研发人员：林惠惠，李亚安，
申请(专利权)人：西北工业大学深圳研究院，
类型：发明
国别省市：