申请/专利权人：西安交通大学

申请日：2022-05-19

公开（公告）日：2024-03-29

公开（公告）号：CN114897023B

主分类号：G06F18/10

分类号：G06F18/10;G06F18/213;G06F18/24;G06F18/2431;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2022.08.30#实质审查的生效;2022.08.12#公开

摘要：本发明公开了一种基于水声目标敏感差异特征提取的水声目标辨识方法，通过采用提升小波算法完成对辐射噪声原始信号的去噪预处理，解决了强海洋背景干扰下辐射噪声能量微弱问题；通过采用基于GWO的参数优化VMD方法对水声目标辐射噪声原始信号进行特征提取，克服了传统信号处理方法特征提取困难等问题，并解决了人为随机设定VMD算法参数不可靠问题；本方法综合考虑了每个IMF的有用信息，并采用了特征距离评估技术对各特征集进行特征筛选构建了辐射噪声信号敏感多域特征集，在表征水声目标特性方面更有优势，进而可以实现对水声目标更为准确且高效的分类辨识，因此该方法在水声目标辐射噪声差异特征提取与智能分类辨识方面具有良好的应用前景。

主权项：1.一种基于水声目标敏感差异特征提取的水声目标辨识方法，其特征在于，包括以下步骤：步骤1、采集水声目标辐射噪声原始信号；步骤2、利用提升小波算法对采集的辐射噪声原始信号进行去噪预处理；步骤3、利用基于灰狼优化算法的参数优化变分模态分解方法将去噪预处理后的辐射噪声原始信号分解为若干个本征模式函数；具体步骤如下：3-1首先初始化灰狼优化算法中a，和参数，选取本征模式函数的包络熵作为适应度函数，以本征模式函数的包络熵值最小化作为寻优目标；3-2将变分模态分解方法中待寻优参数分解层数K与惩罚因子α作为种群中搜寻单位的位置xK,α，并且初始化种群中各搜索单位的初始位置；3-3当种群中搜寻单位i处于位置liKi,αi时，利用变分模态分解方法解析信号并计算所得各本征模式函数的包络熵，选取其中极小包络熵值Eeimin作为搜寻单位i适应度函数值；3-4计算种群中每个搜索单位的适应度，按照大小进行排序，选取其中具有最小包络熵值的三个最优搜索单位Xα，Xβ以及Xδ；3-5利用Xα，Xβ和Xδ更新当前搜寻单位的位置；3-6更新灰狼优化算法中a，和并计算所有搜寻单位的适应度；3-7更新种群中最优搜索单元Xα，Xβ以及Xδ；3-8重复步骤3-5～3-7迭代求解，直至满足全局极值收敛或达到最大迭代次数得出对应的搜索单元的位置，得到最优分解层数Kbest与惩罚因子αbest参数；3-9利用Kbest与αbest作为变分模态分解方法的输入参数将去噪处理后的辐射噪声原始信号分解为若干个本征模式函数；步骤4、计算每个本征模式函数的包络熵，选取其中拥有最小包络熵的为最小包络熵本征模式函数，并对最小包络熵本征模式函数进行包络解调分析得到其包络信号；步骤5、计算除最小包络熵本征模式函数的其余本征模式函数的能量值，并按照能量值大小排序，选取具有能量值最大的前3个本征模式函数；步骤6、对最小包络熵本征模式函数及最小包络熵本征模式函数的包络信号，其余本征模式函数中具有能量值最大的前3个本征模式函数分别进行特征信息提取分别得到特征集Foptimal_IMF与Foptimal_IMFs,并利用Foptimal_IMF与Foptimal_IMFs构建样本多域特征集Fmulti_domain；步骤7、利用特征距离评估技术对特征集Fmulti_domain进行特征优选得到样本敏感多域特征集；步骤8、对样本敏感多域特征集的各维特征参数进行归一化处理；步骤9、利用水声目标辐射噪声样本的敏感特征集训练随机森林分类器从而构建基于随机森林算法的水声目标识别模型，实现对水声目标的辨识。

全文数据：

权利要求：

百度查询： 西安交通大学 一种基于水声目标敏感差异特征提取的水声目标辨识方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD