一种基于非线性支持向量机的宽带瞬态信号检测方法与流程

1.本发明涉及瞬态信号检测技术领域，具体涉及一种基于非线性支持向量机的宽带瞬态信号检测方法。


背景技术：

2.瞬态信号是在短时间内发生剧烈变化的声信号，例如物体入水、发动机启动、水下航行体变向、冰层破裂、爆炸等。瞬态信号检测是实现水下目标检测、定位、识别的前提，具有重要的研究意义。
3.目前对瞬态信号的检测方法主要有传统能量检测法、短时相关法、power-law等。能量检测法实现简单，但对信噪比要求较高；短时相关法通过对数据进行简单的分段相关处理，依据一定的统计估计实现高正确率检测，但“分段”破坏了频率分辨率。希尔伯特-黄变换摆脱了传统傅里叶变换只适用于线性平稳系统的局限，将固有模态函数作为基本信号，但用其检测水声微弱信号的能力还有待提升。
4.当目标信号为非确知信号且具有不可复制性时，匹配滤波等传统信号检测手段将不再适用；若受到干扰船只、声传播起伏的影响，检测背景通常是非平稳、非高斯噪声，瞬态信号检测的难度将进一步增加。
5.综上，亟需一种可有效检测复杂环境中的瞬态信号的信号检测方法。


技术实现要素：

6.针对上述问题，发明人提供了一种基于非线性支持向量机的宽带瞬态信号检测方法，实现了对短时间、宽带范围内频谱突然变化的瞬态信号的检测。
7.本发明提供了一种基于非线性支持向量机的宽带瞬态信号检测方法，包括：
8.步骤1：获取瞬态信号集，并基于该瞬态信号集构建支持向量机；
9.步骤2：将待测信号的时间序列分为l个时间段，并对每段时间段数据做n点傅里叶变换；
10.步骤3：基于傅里叶变换结果求出功率谱后进行时频单元划分；
11.步骤4：将各时频单元进行范数归一化后输入支持向量机，计算高斯核矩阵；
12.步骤5：基于高斯核矩阵计算检验统计量；
13.若检验统计量大于预置门限，则存在瞬态信号。
14.进一步地，所述高斯核矩阵为：
15.k(xj,xi)＝exp(-||x
i-xj||2/p)
16.其中||
·
||代表范数运算；p为扩展因子；xi为支持向量。
17.进一步地，所述检验统计量r为：
[0018][0019]
其中，x、z代表一个时频单元的前、后两部分数据集。
[0020]
相比现有技术，本发明的有益效果：
[0021]
本发明采用选择合适的高斯核向量机，将输入原始频谱数据映射到高维特征空间，利用时频单元沿频率轴的相似性/相异性来检测随时间的突然变化，可检测出在短时间、宽带范围内频谱突然变化的瞬态信号，检测能力相对现有方法得到了提高，且虚警概率低，具有重要的应用价值。
附图说明
[0022]
图1为实施例2中数据一原始时间信号图；
[0023]
图2为实施例2中数据一功率谱图；
[0024]
图3为实施例2中数据一时域能量图；
[0025]
图4为实施例2中数据一频域能量图；
[0026]
图5为实施例2中数据一方差分析结果图；
[0027]
图6为实施例2中数据一瞬态信号检测结果图；
[0028]
图7为实施例2中数据二原始时间信号图；
[0029]
图8为实施例2中数据二功率谱图；
[0030]
图9为实施例2中数据二时域能量图；
[0031]
图10为实施例2中数据二频域能量图；
[0032]
图11为实施例2中数据二方差分析结果图；
[0033]
图12为实施例2中数据二瞬态信号检测结果图；
[0034]
图13为实施例2中数据三瞬态信号检测结果图。
具体实施方式
[0035]
下面通过具体实施方式结合附图对本发明作进一步详细说明。
[0036]
实施例1
[0037]
本发明提供了一种基于非线性支持向量机的宽带瞬态信号检测方法，包括：
[0038]
步骤1：获取瞬态信号集，并基于该瞬态信号集构建支持向量机。支持向量机构建过程如下：
[0039]
对于已知的瞬态信号集x＝{(x1,y1),(x2,y2),
…
,(xn,yn)},yi∈{-1,1}，支持向量机最基本的核心思想是根据给定的训练集x，结合结构风险最小化原则追求边际最大化，寻找最优决策超平面，它的超平面方程可表示为
[0040]
ω
t
x+b＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0041]
若决策超平面(ω,b)可以将训练样本集正确的分类，即对于(xi,yi)∈d，若yi＝+1，则有ω
t
x+b》0；若yi＝-1，则有ω
t
x+b《0。令
[0042][0043]
构造支持向量机优化模型
[0044]
[0045]
s.t.yi(ω
t
x+b)≥1,i＝1,2,
…
,n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0046]
式(3)为支持向量机的基本模型。
[0047]
对式(3)构造拉格朗日函数得
[0048][0049]
其中，αi≥0是拉格朗日乘子。
[0050]
得到式(3)的对偶问题为
[0051][0052]
αi≥0,i＝1,2,
…
,n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0053]
决策函数为
[0054][0055]
在支持向量机进行分类的过程当中，并不是所有的问题都是线性可分的。如果一个问题是非线性的，需要找到一个映射φ(x)，通过映射φ(x)得到高维空间中目标函数的对偶问题。
[0056][0057][0058]
0≤αi≤c,i＝1,2,
…
,n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)决策函数为
[0059][0060]
其中，k(xi,x)是核函数。
[0061]
步骤2：将待测信号的时间序列分为l个时间段，并对每段时间段数据做n点傅里叶变换(fft)；
[0062]
步骤3：傅立叶变换的平方/区间长度直接求出功率谱，然后进行时频单元划分。
[0063]
步骤4：将各时频单元进行范数归一化后输入支持向量机，计算高斯核矩阵k(j,i)，计算公式如下：
[0064]
k(xj,xi)＝exp(-||x
i-xj||2/p)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0065]
其中||
·
||代表范数运算；p为扩展因子；xi为支持向量。
[0066]
步骤5：基于高斯核矩阵计算检验统计量r：
[0067][0068]
其中，x、z代表一个时频单元的前、后两部分数据集。
[0069]
由于r计算结果与测量数据的方差(能量大小)密切相关，当两部分数据集满足独
立同分布(等均值、等方差)，r≈0；当方差发生变化时，r≈1。由于实际测量数据能量可能相差很多，这给实际应用中p值确定带来困难，因此本发明通过范数归一化对数据进行预处理，使得瞬态检测问题与数据绝对能力无关，使p的确定更为方便。
[0070]
瞬态信号检测问题可简单表示为二元假设检验问题，即
[0071][0072]
式中，η是预置门限，若r(x1,x2)≤η，则表明h0成立，即没有瞬态信号；若r(x1,x2)》η，则表明h1成立，即有瞬态信号。
[0073]
实施例2
[0074]
待处理的声信号的频带范围为[3khz,40khz]。
[0075]
待处理数据一：某目标爆炸数据。采样率为11.025khz，扩展因子p＝0.0002，fft点数n＝1024，时频单元尺寸为6行4列。
[0076]
待处理数据二：为某目标启动数据。采样率为20khz，扩展因子p＝0.02，fft点数n＝16384，时频单元尺寸为8行8列。
[0077]
待处理数据三：为舰船航行噪声数据，不含突变瞬态信号。采样率为20khz，扩展因子p＝0.02，fft点数n＝16384，时频单元尺寸为8行8列。
[0078]
如图1-13所示，由功率谱图可清晰观察到宽带谱，反映了信号所在的频带；通过时域、频域能量检测结果图可获取宽带信号发生的时刻和频带。比较方差分析结果与本发明分析结果，可看出本发明能更精确、有效地检测瞬态信号，尤其当瞬态信号间隔时刻较近时，方差分析方法无法有效分辨信号，但本发明所提方法的检测性能没有受到影响，能稳健地检测宽带瞬态信号。由图13可见，当背景中不存在瞬态信号时，也没有产生虚警，可有效降低了虚警概率。
[0079]
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。