基于特征提取的仿海洋哺乳动物叫声信号隐蔽性评分方法技术

本发明专利技术涉及仿生隐蔽水声通信技术领域，具体为基于特征提取的仿海洋哺乳动物叫声信号隐蔽性评分方法，该评分方法结合特征工程，从人类听觉和信号波形两个角度提取出了海洋哺乳动物叫声信号的六种通用型特征，并利用这些特征通过权重系数公式得到了第二种仿生信号隐蔽性评分，该隐蔽性评分方法可以从信号更多的角度更加细致地刻画仿生信号的内在信息，从而更准确地评价仿生信号与真实信号之间的差异，并且得到的评分数值可以更加直观地描述仿生信号隐蔽性的好坏

【技术实现步骤摘要】
基于特征提取的仿海洋哺乳动物叫声信号隐蔽性评分方法


[0001]本专利技术涉及仿生隐蔽水声通信
，具体为基于特征提取的仿海洋哺乳动物叫声信号隐蔽性评分方法
。

技术介绍

[0002]随着水声通信技术的发展，除了可靠性
、
通信速率和网络化外，水声通信的安全性与隐蔽性也逐渐受到重视
。
传统方法大多采用低检测概率
(Low Probability of Detection
，
LPD)
技术实现隐蔽水声通信，与传统的
LPD
隐蔽通信技术不同，仿生隐蔽水声通信技术利用海洋中固有的海洋生物叫声或者人工合成的模拟叫声作为通信信号，令敌方在检测到这些信号后，误将其识别为海洋生物叫声而排除，从而达到隐蔽通信的目的
。
该技术不仅可以保证我方信息传输的安全，还可以隐藏水下通信平台位置，在军事领域极具应用前景，该研究将为我国国防安全
、
海洋强国建设做出重要贡献
。
[0003]仿生隐蔽水声通信技术是将秘密信号伪装成海洋生物叫声，从而迷惑非合作方使其将接收到的声音信号判断为海洋生物噪声忽略掉，以伪装的思想达到隐蔽通信的目的，作为一种安全通信方式，避免被检测的能力是很重要的
。
因此仿生信号的隐蔽性及仿生效果对于仿生隐蔽水声通信技术来说是至关重要的
。
无论是国内还是国外的研究方法都是从客观角度仅利用一种或两种信号的特征进行隐蔽性评价，造成隐蔽性评价结果误差大<br/>。
对于仿生隐蔽水声通信技术的研究，也都仅限于抗干扰性
、
通信速率和误码率等性能标准的评价，而对于其仿生效果和隐蔽性的评价并没有形成统一的标准
。
[0004]然而，由于目前所研究的隐蔽性评价方法需要满足以下两个原则：（1）在听觉上难以分辨原始信号与嵌入信息后的仿生信号；（2）在信号形式上难以分辨原始信号与嵌入信息后的仿生信号，即两者在时域和频域上的相似度均很高
。
造成现有的仿生隐蔽水声通信技术的隐蔽性评价方法比较难真实实现，且各种信号分析复杂，没有形成统一的评价标准，无法准确地评价仿生信号与真实信号之间的差异，也无法直接得到直观地描述仿生信号隐蔽性的好坏的评分数值
。

技术实现思路

[0005]本专利技术的目的在于提供一种基于特征提取的仿海洋哺乳动物叫声信号隐蔽性评分方法，可以从信号更多的角度更加细致地刻画仿生信号的内在信息，从而更准确地评价仿生信号与真实信号之间的差异，并且得到的评分数值可以更加直观地描述仿生信号隐蔽性的好坏
。
[0006]为实现上述目的，本专利技术提供如下技术方案：本专利技术提供的基于特征提取的仿海洋哺乳动物叫声信号隐蔽性评分方法，包括以下步骤：
S1
音频预处理：所述评分方法是从人类听觉角度和信号波形角度，对输入的海洋哺乳动物原始叫声信号的音频数据集和仿海洋哺乳动物叫声信号的音频数据集，进行音频预处理，得到预处理后的音频数据集；
S2
特征筛选出通用型音频特征：对预处理后的海洋哺乳动物原始叫声信号和仿海洋哺乳动物叫声信号的音频数据集进行特征筛选，选出其中的通用型特征，包括从人类听觉的角度进行评价分析的第一种特征和从信号处理的角度进行评价第二种特征；所述第一种音频特征包括客观差异等级
(ODG)、
信号水印能量比
(SWR)
和梅尔倒谱距离（
DMel
），所述第二种音频特征包括信号波形相似度
(
ρ
)、
基波频率最小误差（
Ef
）和信号幅度最小误差（
Ea
）；
S3
经计算提取出经过筛选的六种海洋哺乳动物叫声的音频信号特征，具体包括：
S3.1
设计并实现特征1客观差异等级（
ODG
）的提取算法；
S3.2
设计并实现特征2信号水印能量比
(SWR)
的提取算法；
S3.3
设计并实现特征3信号波形相似度
(
ρ
)
的提取算法；
S3.4
设计并实现特征4梅尔倒谱距离（
DMel
）的提取算法；
S3.5
设计并实现特征5基波频率最小误差（
Ef
）和特征6信号幅度最小误差（
Ea
）的提取算法；
S4
特征数据标准化处理：对提取出的六种通用型特征的音频信号特征进行标准化处理，得到标准化后的音频特征；
S5
计算音频信号特征的重要性和相关性：通过随机森林来计算所得到的六种音频信号特征的特征重要性，并使用皮尔逊相关系数来计算所得到的六种音频信号特征的特征相关性；
S6
获得六种音频特征的权重系数公式：最后用线性回归和岭回归建立预测模型，得到六种特征音频特征的特征权重系数公式；
S7
通过
S6
获得的特征权重系数公式，计算得到仿生海洋哺乳动物叫声信号的隐蔽性评分
。
[0007]优选的，步骤
S1
音频预处理具体方法为：使用
Adobe Audition
软件，对原始海洋哺乳动物叫声的音频数据集和仿海洋哺乳动物叫声的音频数据集进行降噪
、
声音增强
、
回声消除
、
咔嗒声去除操作，再对以上音频信号进行数字化处理，来提高音频信号的质量
、
准确性和适用性
。
[0008]优选的，步骤
S2
中，所述特征筛选是通过计算所选特征之间的
PCA
线性相关性和互相关度，对于相关性系数大于2的每对特征，删除其中之一，具体方法如下：
S2.1
设计并实现
PCA
相关性分析，计算特征之间的线性相关性，
PCA
计算两个特征之间的相关性公式为：，式中，
x
，
y
分别代表不同的特征，为特征
x
的均值，为特征
y
的均值，
m
代表特征样本的数量；
S2.2
设计并实现互信息相关性分析，计算特征之间的非线性相关性，对于两个离散随机变量
X
和
Y
，其互信息 MI(X, Y) 的计算公式为：，
式中，
p(x,y)
是联合概率分布，
p(x)
和
p(y)
分别是各自的边缘概率分布；
S2.3
进行特征选择，主选择的是各类海洋哺乳动物叫声信号的通用型特征而非某一类海洋哺乳动物叫声信号特有的强相关特征，并根据计算得到的
PCA
线性相关性和互信息非线性相关性，对于相关性系数大于2的每对特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于特征提取的仿海洋哺乳动物叫声信号隐蔽性评分方法，其特征在于，包括以下步骤：
S1
音频预处理：所述评分方法是从人类听觉角度和信号波形角度，对输入的海洋哺乳动物原始叫声信号的音频数据集和仿海洋哺乳动物叫声信号的音频数据集，进行音频预处理，得到预处理后的音频数据集；
S2
特征筛选出通用型音频特征：对预处理后的海洋哺乳动物原始叫声信号和仿海洋哺乳动物叫声信号的音频数据集进行特征筛选，选出其中的通用型特征，包括从人类听觉的角度进行评价分析的第一种特征和从信号处理的角度进行评价第二种特征；所述第一种音频特征包括客观差异等级
(ODG)、
信号水印能量比
(SWR)
和梅尔倒谱距离（
DMel
），所述第二种音频特征包括信号波形相似度
(
ρ
)、
基波频率最小误差（
Ef
）和信号幅度最小误差（
Ea
）；
S3
经计算提取出经过筛选的六种海洋哺乳动物叫声的音频信号特征，具体包括：
S3.1
设计并实现特征1客观差异等级（
ODG
）的提取算法；
S3.2
设计并实现特征2信号水印能量比
(SWR)
的提取算法；
S3.3
设计并实现特征3信号波形相似度
(
ρ
)
的提取算法；
S3.4
设计并实现特征4梅尔倒谱距离（
DMel
）的提取算法；
S3.5
设计并实现特征5基波频率最小误差（
Ef
）和特征6信号幅度最小误差（
Ea
）的提取算法；
S4
特征数据标准化处理：对提取出的六种通用型特征的音频信号特征进行标准化处理，得到标准化后的音频特征；
S5
计算音频信号特征的重要性和相关性：通过随机森林来计算所得到的六种音频信号特征的特征重要性，并使用皮尔逊相关系数来计算所得到的六种音频信号特征的特征相关性；
S6
获得六种音频特征的权重系数公式：最后用线性回归和岭回归建立预测模型，得到六种特征音频特征的特征权重系数公式；
S7
通过
S6
获得的特征权重系数公式，计算得到仿生海洋哺乳动物叫声信号的隐蔽性评分
。2.
根据权利要求1所述的基于特征提取的仿海洋哺乳动物叫声信号隐蔽性评分方法，其特征在于，步骤
S1
音频预处理具体方法为：使用
Adobe Audition
软件，对原始海洋哺乳动物叫声的音频数据集和仿海洋哺乳动物叫声的音频数据集进行降噪
、
声音增强
、
回声消除
、
咔嗒声去除操作，再对以上音频信号进行数字化处理，来提高音频信号的质量
、
准确性和适用性
。3.
根据权利要求2所述的基于特征提取的仿海洋哺乳动物叫声信号隐蔽性评分方法，其特征在于，步骤
S2
中，所述特征筛选是通过计算所选特征之间的
PCA
线性相关性和互相关度，对于相关性系数大于2的每对特征，删除其中之一，具体方法如下：
S2.1
设计并实现
PCA
相关性分析，计算特征之间的线性相关性，
PCA
计算两个特征之间的相关性公式为：，
式中，
x
，
y
分别代表不同的特征，为特征
x
的均值，为特征
y
的均值，
m
代表特征样本的数量；
S2.2
设计并实现互信息相关性分析，计算特征之间的非线性相关性，对于两个离散随机变量
X
和
Y
，其互信息 MI(X, Y) 的计算公式为：，式中，
p(x,y)
是联合概率分布，
p(x)
和
p(y)
分别是各自的边缘概率分布；
S2.3
进行特征选择，主选择的是各类海洋哺乳动物叫声信号的通用型特征而非某一类海洋哺乳动物叫声信号特有的强相关特征，并根据计算得到的
PCA
线性相关性和互信息非线性相关性，对于相关性系数大于2的每对特征，删除其中之一，最终得到六种特征：第一种音频特征数据和第二种音频特征数据，所述第一种音频特征数据包括客观差异等级
(ODG)、
信号水印能量比
(SWR)
和梅尔倒谱距离（
DMel
），所述第二种音频特征数据包括信号波形相似度
(
ρ
)、
基波频率最小误差（
Ef
）和信号幅度最小误差（
Ea
）
。4.
根据权利要求1所述的基于特征提取的仿海洋哺乳动物叫声信号隐蔽性评分方法，其特征在于，步骤
S3.1
具体为：采用
PQevalAudio_v3r0
软件对嵌入隐藏信息的叫声信号进行
ODG
测试，来获取叫声信号的客观等级差异，软件将原始叫声信号作为参考信号，将带有隐藏信息的仿生信号作为测试信号，两路信号同时进入心理声学模型计算，结果通过感知模型进行特征提取和综合得到一系列的输出参数
MOV
，最后通过神经网络把上述参数映射作为一个
ODG
输出，当
ODG
值大于0或小于0时，其绝对值越大表示原始信号与带有隐藏信息的仿生信号差异越小，仿生信号的不可感知性越好，隐蔽性越好
。5.
根据权利要求1所述的基于特征提取的仿海洋哺乳动物叫声信号隐蔽性评分方法，其特征在于，步骤
S3.2
具体为：将嵌入叫声信号的隐藏信息当作噪声，其数值大小作为对原始叫声信号所产生的影响程度，也就是信号水印能量比（
SWR
），
SWR
数值越大表示失真度越小，嵌入强度越低，说明仿生信号的隐蔽性越好，信号水印能量比计算公式为：；其中
x(n)
表示原始叫声信号，
y(n)
表示嵌入隐藏信息后的叫声信号，
L
表示叫声信号的长度，
SWR
单位为

【专利技术属性】
技术研发人员：王景景，姜帅，王猛，曹润琪，李玉芳，蒋嘉铭，杨星海，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：