【技术实现步骤摘要】
本专利技术涉及水声信号处理领域，具体是基于灰狼优化vmd和多熵特征的水声信号特征提取方法。
技术介绍
1、水声信号一直是海洋环境处理领域中的研究重点，其中占比最大的是舰船辐射噪声。舰船辐射噪声包含了较多的舰船特征信息，是舰船性能的重要标志之一，其作为被动声纳的信息来源，可以广泛应用于舰船目标的检测、跟踪以及分类识别。因此对于舰船辐射噪声信号特征的研究，有利于准确识别敌方目标，具有重要的理论和实际意义。
2、舰船噪声识别之所以困难，其原因是舰船的噪声产生机理十分复杂，成分多样，既包含连续谱分量又包含较强的窄带分量，并且有明显的幅度调制成分，在传播过程中还要受到水声信道的时空变性以及非高斯性影响，使得现有的水声信号识别技术的准确性不够高。因此水下目标的分类识别以及特征提取一直以来是水声信号处理领域的热点问题。
技术实现思路
1、本专利技术的目的是针对上述现有技术的不足，提供基于灰狼优化vmd和多熵特征的水声信号特征提取方法，以提高水声信号识别的准确性。
2、本专利技术为实现上述目的，通过以下技术方案实现：
3、基于灰狼优化vmd和多熵特征的水声信号特征提取方法，包括以下步骤：
4、s1.处理好获取到的水声信号的数据集，并根据灰狼优化算法，得到自适应vmd的最优参数组；
5、s2.根据所述步骤s1得到的最优参数组，对水声信号进行vmd分解，得到含有多阶模态参数信息的imf分量；
6、s3.对所述步骤s2中得到的各阶i
7、进一步的，所述步骤s1具体包括：
8、初始化所述灰狼优化算法的参数，并根据中心频率法，得到所述vmd的第一适应度函数，根据所述第一适应度函数，评估出狼群中多只领头狼的最佳初始位置，并根据所述最佳初始位置，依次计算灰狼最佳的第一候选位置信息，得到各灰狼最佳的第一候选位置信息；
9、根据基于维度学习的狩猎搜索策略，得到各灰狼的第二候选位置信息，并比较各第一候选位置信息和各第二候选位置信息的适应度值，为各灰狼进行位置更新，满足迭代次数后，得到自适应vmd的最优参数组。
10、进一步的，为各灰狼进行位置更新的具体过程为：
11、根据第二适应度函数，分别计算所述第一候选位置信息的第一适应度值和所述第二候选位置信息的第二适应度值；
12、当所述第一适应度值小于第二适应度值，根据所述第一适应度值对应的第一候选位置信息为对应的灰狼进行位置更新；
13、否则，根据所述第二适应度值对应的第二候选位置信息为对应的灰狼进行位置更新。
14、进一步的，需要初始化的所述灰狼优化算法的参数包括狼群成员数量、猎物数量，搜索猎物的范围、狼群初始位置；相关计算步骤和公式包括：
15、公式一：
16、
17、
18、
19、其中μa和σa分别为a均值和标准差，μb和σb分别为b均值和标准差；
20、根据公式二计算能量，
21、公式二：
22、
23、其中ui(t)表示emd分解后第i阶imf分量；
24、根据公式三计算imfs能量熵，
25、公式三：
26、
27、其中，ti＝ri/r，表示某一阶imf的能量与所有imfs能量的比值。
28、进一步的，所述步骤s2具体包括：
29、根据所述最优参数，将所述水声信号分解为多阶不同中心频率的子信号；
30、根据各阶子信号和希尔伯特频谱、混合算子集中各阶imf分量的频率，得到各阶子信号对应的频率；
31、根据各频率和解调信号的梯度范数，计算各阶imf分量的带宽；
32、根据各带宽，建立约束变分模型，并对所述约束变分模型进行求解，得到反应各阶模态参数的imf分量。
33、进一步的，建立约束变分模型的具体过程为：
34、建立约束条件为各阶imf分量之和等于原始水声信号、目标函数为最小化各阶imf分量的带宽总和的约束变分模型。
35、进一步的，对所述约束变分模型进行求解，得到反应各阶模态参数的imf分量的具体过程为：
36、根据惩罚因子，通过拉格朗日乘子法与交替方向乘子法对所述约束变分模型进行连续更新寻优，直到得到满足约束条件的可行解为最终的imf分量；其中，所述最优参数组包括惩罚因子。
37、进一步的，所述步骤s3具体包括：
38、将所述水声信号的各阶imf分量均分解为左奇阵、奇异值对角矩阵、右奇阵转置的乘积的形式；
39、根据得到的各阶imf分量对应的各奇异值对角矩阵，得到由各奇异值对角矩阵中非零奇异值特征组成的奇异值特征向量。
40、对比现有技术，本专利技术的有益效果在于：
41、本专利技术通过灰狼优化vmd和多熵特征的水声信号特征提取方法，实现了精度更高的水声信号特征提取，从而使得水声信号处理的效果更好。考虑到vmd算法中惩罚因子和分解层数对分解效率和准确度的影响，通过gwo寻优算法，找到最优的参数组合，使得vmd分解的鲁棒性更强，更有利于推广使用。
本文档来自技高网...【技术保护点】
1.基于灰狼优化VMD和多熵特征的水声信号特征提取方法，其特征在于：包括以下步骤：
2.根据权利要求1所述基于灰狼优化VMD和多熵特征的水声信号特征提取方法，其特征在于：所述步骤S1具体包括：
3.根据权利要求2所述基于灰狼优化VMD和多熵特征的水声信号特征提取方法，其特征在于：为各灰狼进行位置更新的具体过程为：
4.根据权利要求2所述基于灰狼优化VMD和多熵特征的水声信号特征提取方法，其特征在于：需要初始化的所述灰狼优化算法的参数包括狼群成员数量、猎物数量，搜索猎物的范围、狼群初始位置；相关计算步骤和公式包括：
5.根据权利要求1所述基于灰狼优化VMD和多熵特征的水声信号特征提取方法，其特征在于：所述步骤S2具体包括：
6.根据权利要求5所述基于灰狼优化VMD和多熵特征的水声信号特征提取方法，其特征在于：建立约束变分模型的具体过程为：
7.根据权利要求5所述基于灰狼优化VMD和多熵特征的水声信号特征提取方法，其特征在于：对所述约束变分模型进行求解，得到反应各阶模态参数的IMF分量的具体过程为：
...
【技术特征摘要】
1.基于灰狼优化vmd和多熵特征的水声信号特征提取方法，其特征在于：包括以下步骤：
2.根据权利要求1所述基于灰狼优化vmd和多熵特征的水声信号特征提取方法，其特征在于：所述步骤s1具体包括：
3.根据权利要求2所述基于灰狼优化vmd和多熵特征的水声信号特征提取方法，其特征在于：为各灰狼进行位置更新的具体过程为：
4.根据权利要求2所述基于灰狼优化vmd和多熵特征的水声信号特征提取方法，其特征在于：需要初始化的所述灰狼优化算法的参数包括狼群成员数量、猎物数量，搜索猎物的范围、狼群初始位置；相关计算步骤和公式包括...
【专利技术属性】
技术研发人员：李晶，李梦娇，韩昱铖，杨旭东，
申请(专利权)人：北京石油化工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。