一种水下微弱信号的非均匀量化神经网络融合检测方法技术

本发明专利技术提供了一种水下微弱信号的非均匀量化神经网络融合检测方法，利用声呐采集海洋中的声信号，将声纳接收到的信号进行滤波降噪预处理，计算信号样本的测度值，构建非均匀量化神经网络测度融合模型，将测度输入训练好神经网络中，通过参数权重矩阵计算得到网络输出作为融合测度表征并做出判决。本发明专利技术有效提升了低信噪比条件下的微弱信号检测性能，在一定虚警概率时可逼近理想条件下的最优匹配滤波检测性能，在奈曼皮尔逊准则下通过设计非均匀量化的神经网络的测度融合方法，构建融合测度作为检验统计量，实现在强背景噪声下实现水中微弱信号的有效检测。微弱信号的有效检测。微弱信号的有效检测。

【技术实现步骤摘要】
一种水下微弱信号的非均匀量化神经网络融合检测方法


[0001]本专利技术涉及信号检测领域，尤其是一种水下微弱信号的检测方法。

技术介绍

[0002]为了应对“海洋世纪”带来的新的机遇与挑战，进一步振兴海洋事业，要按照“建设海洋强国”的战略思想，着力发展海洋科技，提高我国海防实力。因此，研究先进的微弱信号被动检测方法对远距离水中目标探测和识别具有巨大的研究价值和现实意义。
[0003]远距离舰船的检测主要是通过检测舰船辐射噪声来实现，舰船辐射噪声为具有特殊的线谱和连续谱组成的频谱，通过提取线谱和连续谱的特征可实现舰船辐射噪声的检测。传统的弱信号检测方法如能量检测对低信噪比下舰船辐射噪声的检测性能仍显不足，难以满足日益增长的检测距离与精度的需求。
[0004]而神经网络却可以利用复杂的网络结构和非线性的激活函数，对大量数据的特征进行深层刻画，拟合数据之间更复杂的映射关系。通过将舰船多种特征测度进行非线性的融合，实现水中微弱信号的有效检测。

技术实现思路

[0005]为了克服现有技术的不足，本专利技术提供一种水下微弱信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水下微弱信号的非均匀量化神经网络融合检测方法，其特征在于包括下述步骤：第一步：利用声呐采集海洋中的声信号，记为g(t)，即为输入信号；输入信号g(t)同时含有目标特征信号与噪声信号的混合，即g(t)＝s(t)+n(t)(1)其中目标特征信号s(t)＝Acos(2πf0t)，A为输入信号幅值，f0为输入信号频率，n(t)为海洋背景噪声信号；第二步：将步骤一中声纳接收到的信号g(t)通过一个带通滤波器，进行滤波降噪预处理；第三步：以接收信噪比SNR为指示度，将信噪比区间非均匀划分为N个区间，信噪比越低的区间划分越细致，如
‑
30dB到0dB区间可非均匀划分为15个区间，获取不同区间内含噪声信号样本，定义纯噪声信号样本属第N+1个区间，得到N+1种信号样本；第四步：计算N+1种信号样本的R种测度值，测度值包括谱峰信噪比、谱峭度、谱相关系数、均方误差和平滑度，作为神经网络的训练样本，并将信号样本所属区间号作为期望标识；第五步：构建非均匀量化神经网络测度融合模型，以R种测度值为网络输入，构建K层网络，定义目标输出y
i
对应信号样本的N+1种信噪比区间，i＝1，2，...，N+1，每层网络的权重矩阵大小分别为[R*S1]，[S1*S2]，...，[S
j
‑1*S
j
]，...，[S
K
‑1*S
K
]，[S
K
*(N+1)]，偏置矩阵大小依次为[1*S1]，[1*S2]，...，[1*S
j
]，...，...，[1*S
K
]，[1*(N+1)]，其中S
j
为对应每一层网络的神经元数，j＝1，2，...，K；设计网络激活函数为tanh，网络损失函数为交叉熵损失函数，迭代训练得到训练好的神经网络，保存训练好的神经网络对应的参数权重矩阵W；第六步：将待检测信号的R种测度输入训练好神经网络中...

【专利技术属性】
技术研发人员：董海涛，王海燕，刘浣琪，申晓红，闫永胜，姜喆，李洋，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：