資源描述:
《基于稀疏表示的水聲信號分類識別.pdf》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第36卷第4期探測與控制學(xué)報Vo1.36No.42014年8月JournalofDetection&ControlAug.2014基于稀疏表示的水聲信號分類識別廖明熙,張小薊,張歆(西北工業(yè)大學(xué)航海學(xué)院,陜西西安710072)摘要:傳統(tǒng)的水聲信號分類都是直接使用原信號進(jìn)行處理的,特征提取耗時長,數(shù)據(jù)量大,針對這兩個缺點(diǎn),提出了一種壓縮感知理論中基于稀疏表示的水聲信號特征提取方法;該方法利用了水聲信號在DCT變換域的稀疏特性,將信號的稀疏表示作為目標(biāo)特征,并采用SVM分類算法進(jìn)行分類識別。仿真結(jié)果表明,該方法不僅減
2、少了特征向量的計(jì)算時間,還提高了目標(biāo)分類識別率,還降低了水聲信號的傳輸數(shù)據(jù)量,壓縮率可達(dá)96,在實(shí)際工程應(yīng)用中具有較高的實(shí)用價值。關(guān)鍵詞:壓縮感知;稀疏表示;水聲信號;特征提取中圖分類號:TN911.7文獻(xiàn)標(biāo)志碼:AClassificationandRecognitionofUnderwaterAcousticSignalBasedonSparseRepresentationLIAOMingxi,ZHANGXiaoji,ZHANGXin(SchoolofMarineScienceandTechnology,Nor
3、thwesternPolytechnicUniversity,Xi'an710072,China)Abstract:Traditionalclassificationofunderwateracousticsignalprocessinghastheproblemsoftimeconsu—mingfeatureextractionandlargeamountofdata.Amethodbasedoncompressedsensingtheoryusingsparserepresentationoftheacous
4、ticsignalfeatureextractionwasintroduced.ThismethodutilizedtheacousticsignalsparserepresentationintheDCTtransformingdomain,andregardedthesparserepresentationofsignalsasthetargetfeature,andthenusedSVMclassificationalgorithmfortargetidentification.Simulationresu
5、ltsshowedthat,whenusingsparserepresentationasfeaturevectors,notonlygreatlyreducedthetimeconsumingfeaturesofcomputing,butalsoliftedeffectivelytheunderwatertargetrecognitionrate.Atthesametime,theamountofunderwateracousticdatatransmittingcouldbegreatlyreduced,an
6、dthecompressionrateswereuptO96.Keywords:compressedsensing;sparserepresentation;underwateracousticsignal;featureextraction備中,然后將信號傳輸?shù)降孛嬲具M(jìn)行處理,給實(shí)際應(yīng)0引言用帶來不便。因此如何降低數(shù)據(jù)量,并進(jìn)行實(shí)時處理成為水聲信號特征提取及分類識別的新方向。2006一直以來,水下目標(biāo)識別與分類算法是水下艦?zāi)闏andhs等提出了壓縮感知(CompressedSensing,簡船噪聲信號處理研究的
7、重點(diǎn)及難點(diǎn),其主要方法是稱CS)理論L6。],該理論的本質(zhì)內(nèi)容是稀疏或可壓縮通過艦船的發(fā)動機(jī)噪聲來判斷艦船的類別。在水下信號的少量隨機(jī)的線性投影即包含了重構(gòu)和處理的目標(biāo)識別特征提取方法的研究中,有眾多的特征提足夠信息,也就是僅僅利用信號稀疏或可壓縮的先取方法[1]:功率譜分析理論[引、小波及小波包理驗(yàn)和少量的全局線性測量可以獲得精確的信號重建,論L3j、HHT變換方法、MFCC方法。其中基于該理論被美國科技評論評為2007年度十大科技進(jìn)HHT變換具有比較好的特征識別效果[4-53。展。而一般的語音信號在DCT基下
8、是可稀疏的[8],這些特征提取與分類識別算法都是使用原信號,滿足壓縮感知理論要求,能夠?qū)崿F(xiàn)精確重構(gòu)。因此信受限于水聲系統(tǒng)的帶寬,必須先將數(shù)據(jù)保存在水聲設(shè)號的稀疏表示必然包括信號的所有特征信息,因此使*收稿日期:2014-01—09作者簡介:廖明熙(1988一),男,湖南柳州人,碩士研究生,研究方向:艦航噪聲識別與分類。E-mail:binghu@163.corn。68探測