低信噪比水下目标信号的混沌特征参数提取方法技术

本发明专利技术公开了一种低信噪比水下目标信号的混沌特征参数提取方法，首先对水下目标混沌信号进行预处理；再对时间序列进行相空间重构，然后对于给定的距离ε，计算关联系数Ｃ（ε），并求解ｌｎＣ（ε，Ｎ）对ｌｎε的线性区域的斜率，从而得到时间序列的关联维数Ｄ；根据最大Ｌｙａｐｕｎｏｖ指数的定义计算舰船辐射噪声的最大Ｌｙａｐｕｎｏｖ指数；采用由关联积分对熵进行估计的方法计算舰船辐射噪声的ｈ↓［２］熵，实现了低信噪比水下目标信号的混沌特征参数即分形维数、最大Ｌｙａｐｕｎｏｖ指数和时间序列ｈ↓［２］熵提取。

【技术实现步骤摘要】

本专利技术涉及水下目标信号的特征参数提取方法，特别是低信噪比水下目标信号的混沌特 征参数提取方法。
技术介绍
水下目标信号的特征参数提取是一项备受关注的研究课题，无论在军事还是在民用领域 都具有十分重要的理论意义和工程应用价值。过去较长一段时间，人们一直以传统的信号处 理理论作为水声信号特征提取的基础，即以平稳性、随机性来刻画水声信号，以时域、频域 参数作为特征参数。近年来，通过大量的理论研究和实验研究，证明了水声信号具有一定的 混沌特性，这就为采用混沌理论研究水声信号的参数提取和特征分类奠定了基础。水声信号 的混沌特征参数提取，特别是低信噪比情况下利用这些混沌特征参数实现对水下目标信号的 检测和分类是水声信号处理的一个新的内容。文献"水下混沌信号降噪研究，计算机工程与设计，2009，Vol.30(4), p963-965"公开了一种 利用多次迭代降噪的思想实现水下混沌信号降噪的方法。该方法是利用相空间重构技术将单 一的混沌信号转换为适用于子空间降噪算法的多通道信号，并且利用信噪比改善量控制迭代 次数和用降噪之后的吸引因子相图评估降噪效果。虽然该方法对低信噪比的水下混沌信号也 有较好的降噪效果，但它仅是混沌特征参数提取的预处理，还没有涉及到对混沌特征参数的 提取。
技术实现思路
为了克服现有技术不能对低信噪比水下目标信号的混沌特征参数进行提取的不足，本发 明提供一种，通过对水下目标信号进行非线 性降噪以及计算分形维数、最大Lyapunov指数和时间序列&熵，可以实现低信噪比情况下水 下目标信号混沌特征参数的提取。本专利技术解决其技术问题所采用的技术方案 一种低信噪比水下目标信号的混沌特征参数 提取方法，其特点包括以下步骤(a) 将不同类舰船低信噪比水下目标信号的实测水声数据作为样本，采用多次迭代降噪 方法对水声混沌信号进行预处理。(b) 首先对时间序列进行相空间重构，然后对于给定的距离e，计算关联系数C(f)，并 求解lnC(s,AO对lns的线性区域的斜率，从而得到时间序列的关联维数D;根据最大3Lyapimov指数的定义计算舰船辐射噪声的最大Lyapimov指数；采用由关联积分对熵进行估 计的方法计算舰船辐射噪声的&熵，完成低信噪比水下目标信号的混沌特征参数即分形维数、最大Lyapunov指数和时间序列^熵提取。本专利技术的有益效果是本专利技术采用对时间序列进行相空间重构，然后对于给定的距离s, 计算关联系数C(e)，并求解lnC(s,iV)对lns的线性区域的斜率，从而得到时间序列的关联 维数￡ ;根据最大Lyapimov指数的定义计算舰船辐射噪声的最大Lyapimov指数；采用由关联 积分对熵进行估计的方法计算舰船辐射噪声的&熵，实现了低信噪比水下目标信号的混沌特征参数，即分形维数、最大Lyapimov指数和时间序列^熵提取，为低信噪比水下目标信号的 混沌特征分类奠定了基础。下面结合附图和实施例对本专利技术作详细说明。 附图说明图1是本专利技术水下目标信号的混沌特征参数提取方法对第一类目标噪声提取的混沌特征参数曲线图。分别为(a)分形维数积分斜率；(b)最大Lyapunov指数曲线；(c) ^熵曲线 图2是本专利技术水下目标信号的混沌特征参数提取方法对第二类目标噪声提取的混沌特征参数曲线图。分别为(a)分形维数积分斜率；(b)最大Ly叩imov指数曲线；(c) ^熵曲线 图3是本专利技术水下目标信号的混沌特征参数提取方法对第三类目标噪声提取的混沌特征参数曲线图。分别为(a)分形维数积分斜率；(b)最大Lyapunov指数曲线；(c) ^熵曲线 具体实施例方式结合附图和实施例对本专利技术进一步说明。实施例l第一类舰船噪声的混沌特征参数提取方法，其步骤如下(a) 将第一类舰船低信噪比水下目标信号的实测水声数据作为样本，采用多次迭代降噪方法对水声混沌信号进行预处理。(b) 分形维数、Lyapunov指数、/^熵是混沌信号的三个重要特征参数。在所有的维数 计算中，分形维数的计算是最稳健的，具有分数分形维数的信号是混沌的。同样，在测度熵 的计算中，^熵也是最稳健的。对于Lyapimov指数的计算，选择最大Lyapunov指数作为混沌信号的一个特征参数， 一方面它反映了信号混沌状态的强弱，另一方面它具有计算相对简 单等特点，具有正的Lyapunov指数的信号是混沌的。因此，选择分形维数、最大Ly叩unov指数、/72熵作为特征参数对实际水声信号进行处理，并以它们作为特征参数对目标进行分类。下面分别给出舰船辐射噪声的分形维数、最大Ly叩unov指数以及&熵的计算方法。(1) 分形维数考虑某一相空间的点集{^"}，" = 1，'"，^，把所有可能在距离上比给定的距离S小的点对 数占总的点对数的比重称为关联系数。它的表达式为举-1)1^, 11当iv—oo，并且距离s比较小时，若存在一个指数规律c^;)ocfD，则定义分形维数D为,g)= mnC(g,iV);Z)三limlim4AU)。 (2) Sine ow—oo其中(5加<<1 ， △">>。首先对时间序列进行相空间重构，然后对于给定的距离s，计算关联系数COO,并求解lnC(s，AO对lns的线性区域的斜率，从而得到时间序列的关联维数Z)。(2) Lyapunov指数Lyapunov指数反映了混沌的强度，它有很多表示形式，其中最重要的是最大Lyapunov 指数，它的定义如下假如A, / 2是相空间中无限接近的2个点，它们之间的距离可以表示为 《1 。以^表示经过一段时间A"后，起始于这2个点/ ni， &的2条轨迹之 间的距离，即c^ =|^+& —A2+A |。那么，最大Lyapimov指数义由下式确定&"0, (3)其中&, 1 ， A" l。根据最大Lyapunov指数的定义计算舰船辐射噪声的最大Lyapunov指数。(3) 时间序列/ 2熵在非线性动力学理论中，熵是指复杂系统产生信息的速率，它是动力系统复杂度的度量。 熵为零，表示系统是确定性周期信号；熵为无穷大，说明信号是随机的；当熵为大于零的常 数时，信号是混沌的。采用由关联积分C,(m,s)对熵进行估计。估算广义关联积分的估计值《(f)，从而得到 C》)oC("攀 (4) 其中q—,0是广义关联积分，A代表g-阶广义维数，H"m)是熵的广义和。由于原理上， 因为要对动力系统的可观测范围进行无穷细分，往往需要一个极限f —0，但由于实验数据有限，再加上噪声的影响，因此这个极限在实际中是没有意义的。相反，要找S的一个标度 范围，在这个范围内，熵必须是和e没有关系的常数，这样的标度性只能寄希望于在关联积 分的局部斜率曲线中寻找到一个可见平台。否则，对时间序列熵的分析是没有意义的。若关 联积分局部斜率曲线有这样的平台，对于平台内S的值，^'可看作是一个常数，这样就可以 确定、O, f) =O +1, s) - // O, s) = In ~《， (5 )在所有的维数中，最稳健的维数是关联维数A。同样，/^熵是最稳健的、最容易计算的熵。因为当9 = 2时，广义积分的估计值《(s)是对邻近点数的算术平均，这样即使大部分参 考点失本文档来自技高网...

【技术保护点】
一种低信噪比水下目标信号的混沌特征参数提取方法，其特征在于包括以下步骤：　（ａ）将不同类舰船低信噪比水下目标信号的实测水声数据作为样本，采用多次迭代降噪方法对水声混沌信号进行预处理；　（ｂ）首先对时间序列进行相空间重构，然后对于 给定的距离ε，计算关联系数Ｃ（ε），并求解ｌｎＣ（ε，Ｎ）对ｌｎε的线性区域的斜率，从而得到时间序列的关联维数Ｄ；根据最大Ｌｙａｐｕｎｏｖ指数的定义计算舰船辐射噪声的最大Ｌｙａｐｕｎｏｖ指数；采用由关联积分对熵进行估计的方法计算舰船辐射噪声的ｈ↓［２］熵，完成低信噪比水下目标信号的混沌特征参数即分形维数、最大Ｌｙａｐｕｎｏｖ指数和时间序列ｈ↓［２］熵提取。

【技术特征摘要】

【专利技术属性】
技术研发人员：李亚安，李国辉，杨宏，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：87[]