（水声工程专业论文）舰船噪声包络的特征提取研究.pdf

! ! 里! 璺一 a b s t r a c t a u t o m a t i cp a s s i v eu n d e r w a t e rt a r g e tc l a s s i f i c a t i o n b e c o m e sm o r ea n dm o r e i m p o r t a n t t h ek e ys t e p o fc l a s s i f i c a t i o ni st h ee x t r a c t i o no ft a r g e tf e a t u r e s t h e r e s e a r c hw o r ki n t h i st h e s i sf o c u so nt h e a p p l i c a t i o n s o fw a v e l e tt r a n s f c ni n u n d e r w a t e r t a r g e t s ，w h i c hi n c l u d ed e n o i s i n gb y w a v e l e tt r a n s f o r m ，f e a t u r ee x t r a c t i o n ， m o d e l r e c o g n i t i o n a n dn e u r a l n e t w o r k t h r o u g h t h e c o m p u t e rs i m u l a t i o n ，t h e e x p e r i m e n t a lm s u l t sa r eo b t a i n e d t h em a i nc o n t e n t so f t h i st h e s i sa r ea sf o l l o w s ： ( 1 ) t h es t a t i s t i cp r o p e r t i e s o fo n ed i m e n s i o n a ls i g n a la n dn o i s eb a s e do nw a v e l e t t r a n s f o r ma r es t u d i e d 硒e a p p l i c a t i o n t h a tw a v e l e tt r a n s f o r mi su s e df o rn o i s e r e d u c t i o ni sb a s e do nt h i sw o r k ( 2 ) t h ed e n o i s i n gp r i n c i p l ea n dm e t h o db a s e do nw a v e l e tt r a n s f o r ma r ea p p l i e di n u n d e r w a t e rt a r g e ts i g n a l i th a sb e e np r o v e dt h r o u g hc o m p u t e rs i m u l a t i o nt h a tt h e e f f e c to f n o i s er e d u c t i o ni sm u c hb e t t e rb y u s i n gm u l t i w a v e l e t st h a ns i n g l ew a v e l e t ( 3 ) w a v e l e tt h e o r yi sa p p l i e dt oe n v e l o p ea n a l y s i sa n dw a v e l e te n v e l o p em e t h o di s d i s c u s s e di nd e t a i l t h eg a u s s i a nc o m b i n a t i o nw a v e l e tf i l t e r s f i t t i n gf o ru n d e r w a t e r t a r g e t sa r ed e s i g n e d ( 4 ) a n e f f i c i e n tf e a t u r ee x t r a c t i o nm e t h o db a s e do nf a s tw a v e l e tt r a n s f o r l ni sp r e s e m e d ， w h i c hd i v i d e st h em a t r i xo fc o m p u t e dw a v e l e tc o e 伍e i e n t si n t oc l u s t e r s e q u a lt o r o w v e c t o r s n ef e a t u r e sa l ee v e n t u a l l yc a l c u l a t e db yt h ee u c l i d e a nn o r m so ft h e c l u s t e r s t h ec o m b i n a l i o no ff e a t u m se x t r a c t e df r o mw a v es t m c t u r e s w a v e l e t c o e f f i c i e n t sa n df r e q u e n c ys p e c t r u mg e tb e t t e rc l a s s i f i c a t i o nr e s u l tt h a no n ek i n do f f e a t u r e ( 5 ) t h eu n d e r w a t e rt a r g e tc l a s s i f i e r i s d e s i g n e db yu s i n ga r t i f i c i a l n e u r a ln e t w o r k ， w h i c hi st e s t e dw i 如p r a c t i c a ln o i s es a m p l e s t h er e s u l t ss h o wt h a tt h ep r e s e n t e d f e a t u r e sa n d c o r r e s p o n d i n g e x t r a c t i o nm e t h o d sa r es a t i s f a c t o r y k e y w o r d s ：w a v e l e tt r a n s f o r m ，m u l t i w a v e l e t s ，t a r g e tr e c o g n i t i o n ，f e a t u r ee x t r a c t i o n ， e n v e l o p ，d e n o i s i n g ，n e u r a ln e t w o r k c l a s s f i e r 第一奄绪论 第一章绪论 1 1 研究的目的意义 本文主要研究基于小波分析与小波变换的舰船噪声包络的特征提取和基于 神经网络的模式分类识别。 随着水声与电子信息技术的迅猛发展，利用舰船噪声对目标进行分类识别 一直是一个重要的研究课题。各种水声对抗器材的出现，对各种声纳装置的性 能提出了更高的要求。尽可能识别目标真伪和进行分类，并有选择地跟踪真实 目标，已同信号检测和目标参数估计一样，成为声纳装置必备的功能。因此， 加快研究水下目标特征提取与分类方法势在必行。 由于这方面的研究与军事有关，因此目前世界各先进国家海军都十分重视 这项工作，并且在实战中都能做到目标性质识别。舰船噪声分类与识别研究在 国外起步较早，主要是建立专家系统，近年来，用神经网络进行目标识别与分 类受到人们的重视，如利用窄带平均功率谱作为特征训练神经网络，对模拟的 水声目标信号进行了分类。国内，从7 0 年代才开始这方面的研究，主要从平均 功率谱形状差别、自相关函数和统计判别理论、类聚分析和a r 参数作为特征的 神经网络进行分类。但均因每种方法只利用某些特征而存在局限性，因而影响 了分类正确率，分类结果不尽人意。 目标识别是声呐后置数据处理的一个重要环节。为了提高识别效果，人们 采用了各种各样的方法。但同其他模式识别任务一样，提取有效的特征是最本 质的问题。如果识别特征的判别信息少，再好的识别方法也无济于事。因此特 征提取是模式识别中的一个关键问题，特征提取的目的是获取特征数目少而分 类错误概率小的特征向量。由于在实际中常常不容易找到那些最重要的特征， 这就使特征提取的任务复杂化而成为构造模式识别系统最困难的任务之一。利 用舰船辐射噪声来分类识别舰船目标是无源声呐的重要任务。要从舰船辐射噪 声信号中提取一种能反映目标本质特性的有效特征，一直是这领域的难题。 从目标信号中提取有效的特征进行分类，提高识别率将是一件非常有意义的工 作。 过去使用的水下目标样本均是由单水听器接收的近场舰船噪声，信噪比高 ( 通常大于6 d b ) ，而且使用的特征信息均为2 k h z 以下的信号。若使用2 k h z 第一章绪论 以上信息，则正确识别率迅速下降。对于实际大部分声纳设备，无单水听器输 出，只有阵输出信号，这适合于远程信号探测，但阵输出一般是中高频段信号， 直接使用阵输出信号不利子特征信息提取，因此利用宽带信号包络特征信息将 是本研究的重要研究内容。 1 2 水中被动目标识别研究发展及现状 很长一段时期，舰船目标识别主要靠声纳操作员通过听测和观察所接收到 的目标辐射噪声信号的谱图判断水下目标的类别。但是，训| 练一个熟练的声纳 员需要很长的时间，而且其分类准确率受到人的心理、精神状态等的影响，因 此此种方法与人为因素的关系太大，影响了识别率。 传统的目标特征提取方法大多是基于舰船噪声的功率谱进行线谱的提取和 谱的形状特征提取，从丽达到对目标的识别与分类。它的前提是假设信号是平 稳信号，而舰船辐射噪声信号是一种非平稳信号，用平稳信号的分析方法去分 析舰船噪声信号，有着自身的缺陷和不足。检测线谱的方法的研究一直持续到 9 0 年代。但因为傅立叶变换是对时间求积，从而将非平稳信号中的时变信息淹 没掉了，所以它只使用于确定性的平稳信号。另外，它在时频域的分辨率是固 定不变的，也就不足以在任意小的范围内描述或确定频率，这无论是在理论上 还是在实用中都带来了相当多的不便。而且，由于舰船噪声信号是非平稳的信 号，且因为信噪比的限制，提取频谱中的线谱分量也受到一定的限制。 近年来，随着非平稳信号处理的方法和技术的迅猛发展，各种新的分析手 段日渐成熟，利用非线性的方法来分析舰船噪声信号成为舰船目标特征提取的 一个新的可行手段。舰船噪声是一种非平稳信号，反映了系统较强的非线性。 人们已经提出了各种方法用于特征提取： 1 利用谱分析的特征提取：其中谱估计的主要方法有非参数化谱估计、参 数化谱估计和高阶谱估计等。对舰船辐射噪声进行功率谱分析，提取谱特征是 经典而有效的目标分类技术，目前深受人们关注的有线谱特征法、调制特征法 和谱形特征法等。传统的方法是基于连续谱和线谱的特征提取。线谱和连续谱 的产生机理、特征提取人们对此已作了深入的研究。随着识别技术的发展，人 们在功率谱、线谱、动态谱以及双重谱的基础上，更进一步研究高阶谱的分类 特征。高阶谱对于高斯白噪声有很强的抑制作用，具有很好的抗噪性能，也增 强了其特征的鲁棒性。樊养余等利用高阶谱及有关方法提取了个3 9 维特征 第一章绪论 矢量，对海上实测的舰船辐射噪声进行分类识别，取得了较好的效果。另外， 结合谱估计和别的信号提取方法进行特征提取也是目前的发展方向。 2 基于舰船辐射噪声的非线性提取特征1 2 - 6 1 。目前国内外已将混沌、分形 等非线性理论引入到舰船噪声的特征提取中来。这些方法均以时怕j 序列为原始 的数据空间，进行相空间重构或分数布朗运动建模，计算关连维数、l y a p u n o v 指 数或胁，瑚f 指数。也可以与传统的线谱和连续谱特征相互补充，更完整地反映目 标的频率特性。章新华等人提取舰船辐射噪声的l y a p u n o v 指数特征“1 ：宋爱国 等人提取了舰船辐射噪声的分维数、极限环在相平面的分布密度，取得较好的 分类效果“1 。 3 利用小波变换提取舰船辐射噪声的识别特征。小波理论是调和分析一现 代傅里叶分析的重大突破，局部化与多尺度分析是其精华所在。小波展开保留 了傅里叶展开的优点，且在时间和频率上都可进行局域分析，并且频谱分析仍 可进行，只是基波须用小波母函数所代替。小波变换相当于一个恒p 的带通滤波 器组，在不同的通带内信号的成份有所不同。小波分析相当于一个数学显微镜， 具有放大、缩小和平移等功能，通过检查不同放大倍数下的变化来研究信号的 动态特性。由于对频率成份采用逐渐精细的时域或空域取样步长，从而可以聚 焦到信号的任意细节。张艳宁。，章新华噶，张学林沿等分别在舰船辐射噪声 信号的谱域用小波变换提取特征、以及小波变换域提取谱特征和波形结构特征 等都能够对目标进行有效的分类。从频谱分析看，小波变换将信号分解为对数 中具有相同大小频带的集合。与加窗傅里时变换( 即短时傅里叶变换) 相比， 加窗傅里叶变换对不同的频率分量，在时域都取相同的窗宽，而小波变换的 窗宽是可调的。这种以对数形式( 非线性的) 而不是以线性方式处理频率方法对 时变信号具有明显的优越性。 4 利用神经网络的非线性和高容错能力以及对数据的有效压缩来进行特征 提取和分类也是一种有效的方法”1l o - | 1 1 。神经网络具有自学习、自适应、强鲁 棒性和容错性、并行分布和推广能力等优越性。该方法7 与小波理论相结合更 是证明了该方法的优越性，类别之间的可分性好，特征数目少，分类结果令人 满意。模糊集理论与神经网络的有机结合“4 1 是提高水下目标分类系统准确性的 一个有效的途径。采取模糊化措施后，可以提高分类系统的正确率、增强判决的 可信度。 哪些特征量可以有效识别目标，人们做了大量的工作。但往往在一定的样 第一章绪论 本范围内得到具有类别共性和异性的规律，在样本范围扩大或改变时也许这种 规律就不再存在了，再用已有的特征去分类，识别率严重下降。因此，选择何 种方法提取更有效的特征、获得更好的识别率还是一个需要继续深入研究的领 域。 1 3 小波分析在水声目标识别中的应用 小波分析是近1 0 几年来迅速发展起来的新兴研究方向，它同时具有深刻的 理论意义和十分广泛的应用。它已经应用于信号处理的许多方面，目前小波分 析的理论研究以及应用领域的扩展与深入方兴未艾。用小波变换方法提取舰船 辐射噪声的特征是近年来发展的一种有效方法。 传统的傅立叶分析是纯粹数学与应用数学的一个重要工具，但它不能做局部 分析。与之相比，小波变换有它独特的优点，那就是小波变换的良好的时频局 域化特性，自适应特性，还有小波基函数选取的广泛灵活性。与f o u r i e r 变换、 窗口f o u r i e r 变换( g a b o r 变换) 相比，这是一个时间和频率的局域变换，因而 能有效的从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多 尺度细化分析( m u l t i s c a l e a n a l y s i s ) ，解决了f o u r i e r 变换不能解决的许多困难问 题，从而小波变化被誉为“数学显微镜”，它是调和分析发展史上里程碑式的进 展”。13 1 ，提供了较传统傅立叶分析更为有力的工具。 进几年来，小波分析成了信号处理和应用数学领域的最热门的研究课题。 在数学领域，主要研究满足各种具有良好性质的小波基的构造、向量小波及其 在数学领域中的应用( 如数值计算、微分方程、分形理论、函数逼近) 。在工程 应用领域，主要研究小波分析在信号与图像分析、地震信号处理、计算机视觉、 语音合成与分析、数据压缩、边缘探测信号去噪等方面的应用。并且它的理论 与应用范围，正在迅速深入与扩大。 小波理论在水声信号的处理与识别中也受到了广泛的关注和应用。长期以 来，舰船噪声分析多数是采用傅立叶分析方法来完成的。以舰船噪声信号来说， 因为信噪比的限制，提取频谱中的线谱分量也受到一定的限制。而且从舰船噪 声信号的频谱结构分析来看，有用信号多集中分布于一个或数个频段内，我们 也就是对这些频段内的信号比较感兴趣，从而对之加以利用。但是舰船噪声信 号的频率成分比较丰富，展开系数的能量必然展得很宽，平均到可利用得频段 上得能量较少。这就使得我们考虑到采用小波变换这种局部性较好的分析方法 第一章绪论 对噪声信号进行分析，以便使被利用信号部分的能量更加集中，从而提高信号 分析的水平。小波分析通过放大、缩小和平移等功能，对频率成分采用逐渐精 细的时域和空域取样步长，可以聚焦到信号的任意细节，这正是我们所需要的 特性，可以对可利用的频段信息有效地加以利用。将小波分析理论引进舰船信 号检测识别领域，并结合实际提出行之有效地分析方法，提高信噪比、发展目 标特征提取新方法，是一件很有意义的工作。 小波变换已被应用到了主动声纳信号的识别和分类中：与神经网络相结合 在频域内提取舰船辐射噪声的特征并进行分类，对舰船辐射噪声信号进行正交 小波分解，提取波形特征和小波低频功率谱组成特征矢量，进行分类，并取得 了令人满意的结果。张静远1 3 4 l 等人提出讨论了4 种基于小波变换的特征提取方 法，阐述了各方法的基本原理及实现过程，并将其应用于水声信号的特征提取， 通过分类结果分析了各种方法的特点及其适用性。 1 4 本文所做的主要工作 本文的目的是利用小波变换理论对舰船辐射噪声进行分析，特征提取。并 利用提取的特征进行识别分类。 第一章介绍本文研究工作的现实意义和目的，现阶段水中目标被动识别的 发展动态和现状以及目前小波分析在水声信号领域的发展和应用。 第二章简要介绍标量小波与向量小波分析与变换的数学理论基础以及各种 小波变换的定义、性质和方法。标量小波重点介绍了连续小波变换、二进小波 变换、多分辨分析、离散小波变换以及标量小波变换的性质。向量小波变换重 点介绍了向量小波的定义、离散的向量小波变换、前黄滤波以及后置滤波器的 作用和设计。 第三章研究讨论基于标量小波与向量小波的信号信噪分离理论基础和算 法。建立了一维含噪信号模型，分析了自噪声在小波变换下的性质，由此导出 了小波信噪分离的过程及原理。详细介绍了标量小波和向量小波信噪分离的算 法和步骤。通过仿真比较了标量小波和向量小波应用于仿真信号与舰船辐射噪 声信号信噪分离的效果。 第四章研究基于小波变换的舰船目标特征提取。讨论基于舰船辐射噪声信 号包络的特征提取方法以及仿真分析各个特征的有效性。基于复小波变换的信 号包络的提取方法，给出了组合高斯小波的组合规则。 第二章小波分析理论基础 第二章小波分析理论基础 2 1 引言 小波分析是当前数学中一个迅速发展的新领域，它同时具有理论深刻和应 用十分广泛的双重意义。小波变换的概念是由法国从事石油信号处理的工程师 j m o r l e t 在1 9 7 4 年首先提出的，通过物理的直观和信号处理的实际需要建立了 反演公式。a c a l d e r o n 表示定理的发现、h a r d y 空间的原子分解和无条件基的深 入研究为小波变换的诞生做了理论上的准备，而且j 0 s t r o m b e r g 还构造了非常 类似于现在的小波基：1 9 8 6 年著名数学家y m e y e r 偶然构造出一个真正的小波 基，并与s m a l l a t 合作建立了构造小波基的方法及其多尺度分析之后，小波分析 才开始蓬勃发展起来，其中比利时女数学家1 d a u b e c h i e s 撰写的小波十讲( t e n l e c t u r e so nw a v e l e t s ) 对小波的普及起了重要的推动作用。自从g e r o n i m o 等人 利用分形插值构造出正交、短支集、对称、具有二阶逼近的g h m 向量小波“2 1 以来，向量小波就吸引了人们的广泛关注，同时更多的向量小波被构造出来。 现在向量小波在信号去噪领域和图像压缩领域已经展示出了其优良的性能。 小波分析的应用是与小波分析的理论研究紧密地结合在一起的。现在，它 已经在信号分析与处理、数值分析、图象处理、机械故障诊断、医学细胞识别、 语音信号处理、流体力学、地球物理勘探等领域得到广泛的应用。 小波变换有它独特的优点，那就是小波变换的良好的时频局域化特性，自 适应特性，还有小波基函数选取的广泛灵活性。与f o u r i e r 变换、窗口f o u r i e r 变换( g a b o r 变换) 相比，这是一个时间和频率的局域变换，因而能有效的从信 号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析 ( m u l t i s c a l e a n a l y s i s ) ，解决了f o u r i e r 变换不能解决的许多困难问题，从而小波 变换被誉为“数学显微镜”，它是调和分析发展史上里程碑式的进展坤1 3j 。 进几年来，小波分析成了信号处理和应用数学领域的最热门的研究课题。 在数学领域，主要研究各种具有良好性质的小波基的构造、向量小波及其在数 学领域中的应用( 如数值计算、微分方程、分形理论、函数逼近) 。在工程应用 领域，主要研究小波分析在信号与图像分析、地震信号处理、计算机视觉、语 音合成与分析、信号信噪分离等方面的应用。 本文就将采用小波变换从小波变换域对舰船噪声进行信噪分离处理和特征 第一章小波分析理论基础 提取。本章将简要介绍小波分析与小波变换的理论与方法。 2 2 标量小波变换 标量小波这个概念是针对向量小波而占的，是指出单个尺度函数生成的多 分辨分析。 2 2 1 连续小波变换 定义2 1 设函数e r ( r ) ，并满足容许条件c ，3e l i 夏b m 0 ) ，窗会自动变宽。因此，小波变换具有自适应性。即小波变换对高频成 分自动加细时域采样，而对低频成分，自动伸长时域采样步长。这样，就能对 所感兴趣的部分进行聚焦。这一点，被誉为数学显微镜。而f 是这一点，传统 的f o u r i e r 变换，加窗f o u r i e r 变换均无法与之比拟。 兰出牡一弘 注i一： & 一 u 地蚋扣两巡m 脚| 啬 = = 岛 m 第一二章小波分析理论罐础 在信号处理中，因为只有正的频率是有意义的，所以通常只考虑正频率。 对应到小波变换就是只考虑，( 6 ，口) 中盯 0 的情形。为了由小波变换系数恢复出 原信号，我们需要一个重构公式，其中积分是在正实数域( o ，+ 。o ) ，而不是在 上2 ( r ) 。因此，需要对小波基加以限制，即小波必须满足： r 。单叫。掣c ， 沪。， 实际应用重，基函数大多取为实值函数，于是有( 一c a ) = 妒( w ) ，这时“容许性” 条件和上面的限制条件实际上是一致的。 2 2 2 二进小波变换 参数a 的伸缩和参数b 的平移为连续取值的连续小波变换主要用于理论分 析方面。在实际应用中需要对尺度参数a 和平移参数b 进行离散化处理。从小波 变换的冗余性方面柬考虑，连续小波变换含有许多冗余信息，即只用其中的部 分值便可以完全恢复出信号，或者说，对矿，( 6 ，a ) 进行适当地抽样后的部分值可 以代替全部。实际中常用到的一种抽样方式为：取a = 2 7 ，( j z ) ，6 r ，得 到样本矿，( b , 2 ) 。 任一有限能量信号，( f ) ，由其积分小波变换睨f ( b ，口) ，只在离散的频率集 合( 使用尺度口= 寺，z ) ，重新恢复原信号需要基小波比容许性条件有更多的 限制。这个限制条件就是y 为二进小波。二进小波是连续小波变换与离散小波 变换的折中。 定义2 4 一个函数r ( r ) 称为是二进小波，如果存在两个正常数a 与 b ，而有0 爿b ，使 o 第二章小波分析理论基础 肛孙：，卜 ，一l l 几乎处处成立。公式( 2 - - 5 ) 中的条件称为加于妒上的“稳定性”条件。 可以证明，二进小波必是允许小波，而且稳定条件等价于 ( 2 5 ) + 2 0 a i i 1 1 2 慨s l l - b i i j l l 2 五，s 向0 收 缩，否则置为0 。 ( 3 ) 对修正后的多个数据流进行后置滤波，最后是对后置滤波后的数据进行重 构，得到的信噪分离后的信号。 其中，在对小波系数进行阈值时，仍然可以采用类似于标量小波的阈值方 法。但文献“”表明，用上述闽值方法的信噪分离效果要好于采用标量小波的阈 值方法。 3 5 仿真 以下为用标量小波和向量小波的信噪分离算法的仿真，对比向量小波和标 量小波的信噪分离效果。首先将对比向量小波信噪分离分别采用硬闽值和软闽 值的算法仿真结果。然后是对比向量小波和标量小波信噪分离的仿真结果。最 后是实际水声信号采用向量小波信噪分类算法的仿真结果。 仿真1 向量小波的软闽值与硬闽值信噪分离算法对比 所用的信号为b u m p s 信号，采样点数为2 0 4 8 点，s n r 为信噪比，s n r = 9 3 5 。 阈值规则为软阈值( s ) 或者硬闽值( h ) 。分解所采用的是向量小波g h m 小波。 预滤波器为插值滤波器。仿真中用到的对比信噪分离效果评价的函数为 n 十 m s e = l 即( ：一- ，：) 2 ，其中f 为信噪分离后的信号，f 为真实信号，”为信号 z i 长度。 第三学基于小波变换的舰船辐射嚼声的信噪分离 0 0 01 5 0 02 0 0 0 圜3 3 向量小波的信噪分离仿真。其中( a ) 为b u m p s 信号( b ) 为加噪1 b u m p s 信号，( c ) 为使用硬阈值的信哚 分离算法的信噪分离后信号，( d ) 为使用软闽值的信噪分离算法的信噪分离后信号。 表3 - 1 向量小波的信噪分离仿真 闽值规则l e v e lm s e i h a r d60 0 9 8 4