水下微弱目标信号的多通道熵检测方法

技术领域

本发明属于信号检测领域，具体涉及一种水下微弱目标信号的多通道熵检测方法。

背景技术

海洋环境极端复杂，通常情况下的信号检测都是在低信噪比的环境下进行的；传统的检测方法在信噪低的环境下检测时准确率较低；近年来，基于混沌振子，随机共振等非线性理论的检测方法在理论上能够满足低信噪比环境下，微弱信号的检测需求，但是实际应用时的检测结果不尽如人意；因此，迫切需要一种在低信噪比条件下可以准确发现目标的水声信号检测方法。

熵作为一种非线性特征量，一直被广泛应用于特征提取、目标分类及识别等领域。近年来，随着多通道熵算法的出现，多通道熵算法具有良好的提取不同通道数据之间相关性的能力。在水声阵列信号处理中，各个通道内的背景噪声通常被视为是不相关的。而不同通道内的目标信号通常只相差一定的时间延迟，具有较强的相关性。因此，本发明利用多通道熵算法提取通道间相关性信息的能力，实现对水下微弱目标信号的检测。

发明内容

针对现有技术中的上述不足，本发明提供一种水下微弱目标信号的多通道熵检测方法，能够有效地提取通道间的相关性信息，在处理实际复杂数据时能够保持算法的稳定，同时具有较高的准确率。

为了达到上述发明目的，本发明采用的技术方案为：一种水下微弱目标信号的多通道熵检测方法，包括如下步骤：

步骤S1：根据包括

步骤S2：根据粗粒化后的多通道数据，对数据进行相空间重构，得到嵌入维数为

步骤S3：根据嵌入维数为

步骤S4：为

步骤S5：根据嵌入维数为

步骤S6：更改粗粒化的时间尺度，并计算得到不同的粗粒化时间尺度熵值IMMSE，并根据不同的粗粒化时间尺度熵值IMMSE，对水下微弱目标信号进行检测。

本发明的有益效果为：本发明提供了一种水下微弱目标信号的多通道熵检测方法，利用多通道多尺度样本熵值检测方法，绘制出熵值IMMSE曲线结果图，有效地提取通道间的相关性信息，在处理复杂数据时能够保持算法的稳定，具有较高的准确率和稳定性，能够在环境复杂的情况下对微弱目标信号进行检测。

进一步地：所述步骤S1中粗粒化处理的表达式如下：

其中，

上述进一步的有益效果为：通过时间尺度的粗粒化，能够有效地从不同时间尺度上对数据进行分析，使数据分析更加完善，在对复杂信号进行分析时能够取得更全面的分析结果。

进一步地：所述步骤S2中相空间的表达式如下：

其中，

上述进一步的有益效果为：对粗粒化后的多通道数据进行相空间重构，得到高维相空间，通过对重构后的相空间的数据进行研究，能够更方便地对复杂数据进行分析研究。

进一步地：所述步骤S3的具体步骤为：

步骤S31：根据嵌入维数为

步骤S32：统计得到相空间中某一向量与除当前向量外的向量的切比雪夫距离小于预设阈值的向量个数；

步骤S33：根据统计得到的向量个数，计算得到相空间内某一向量与除当前向量外的向量的切比雪夫距离小于预设阈值的概率；

步骤S34：遍历相空间内的所有向量，得到每一个向量对应的概率；

步骤S35：根据每一个向量对应的概率，计算得到嵌入维度为

上述进一步的有益效果为：计算得到相空间的平均概率，便于后续对相空间熵值IMMSE的计算。

进一步地：所述步骤S31中切比雪夫距离的表达式如下：

其中，

上述进一步的有益效果为：通过切比雪夫距离计算方式可计算得到相空间内任意两个向量间的相似度。

进一步地：所述步骤S33中概率的表达式如下：

其中，

上述进一步的有益效果为：通过上式表达式可计算得到相空间中预设一向量与其余向量的距离小于预设值

进一步地：所述步骤S35中平均概率的表达式如下：

其中，

上述进一步的有益效果为：

进一步地：所述步骤S5中熵值IMMSE的表达式如下：

其中，

上述进一步的有益效果为：利用改进的多通道熵IMMSE算法，计算出不同维数的相空间的熵值IMMSE，通过熵值IMMSE是否出现整体降低的情况，即可以对水下微弱目标信号进行检测。

进一步地：所述步骤S6中对水下微弱目标进行检测的具体步骤为：

A1：以时间尺度为横坐标，以粗粒化时间尺度熵值IMMSE为纵坐标，绘制得到熵值IMMSE曲线结果图；

A2：根据熵值IMMSE曲线结果图，计算并获取纯噪声的熵值IMMSE曲线；

A3：根据熵值IMMSE曲线结果图，计算并获取水下微弱目标信号的熵值IMMSE曲线；

A4：判断水下微弱目标信号的熵值IMMSE曲线与纯噪声的熵值IMMSE曲线相比是否出现整体下降情况，若是，则说明存在水下微弱目标信号，否则，不存在水下微弱目标信号。

上述进一步的有益效果为：通过绘制IMMSE曲线结果图，能够直观表示多通道数据的熵值IMMSE的变化情况，进而判断检测微弱目标信号。

附图说明

图1为水下微弱目标信号的多通道熵检测方法的流程图；

图2为熵值IMMSE提取通道间相关性信息的结果曲线；

图3为利用熵值IMMSE分别计算纯高斯白噪声、高信噪比的目标信号、低信噪比的目标信号，三类不同数据的结果曲线。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

如图1所示，本发明提供了一种水下微弱目标信号的多通道熵检测方法，包括如下步骤：

步骤S1：根据包括

步骤S2：根据粗粒化后的多通道数据，对数据进行相空间重构，得到嵌入维数为

步骤S3：根据嵌入维数为

步骤S4：为

步骤S5：根据嵌入维数为

步骤S6：更改粗粒化的时间尺度，并计算得到不同的粗粒化时间尺度熵值IMMSE，并根据不同的粗粒化时间尺度熵值IMMSE，对水下微弱目标信号进行检测。

步骤S1中水下微弱目标信号的多通道数据

步骤S1中粗粒化处理的表达式如下：

其中，

根据上式表达式对多维时间序列进行粗粒化处理，通过不同时间尺度的粗粒化，能够有效地从不同时间尺度上对数据进行分析，使数据分析更加完善，在对复杂信号进行分析时能够取得更优的分析结果。

步骤S2中相空间的表达式如下：

其中，

对粗粒化后的多通道数据

步骤S3的具体步骤为：

步骤S31：根据嵌入维数为

步骤S32：统计得到相空间中某一向量与除当前向量外的向量的切比雪夫距离小于预设阈值的向量个数；

步骤S33：根据统计得到的向量个数，计算得到相空间内某一向量与除当前向量外的向量的切比雪夫距离小于预设阈值的概率；

步骤S34：遍历相空间内的所有向量，得到每一个向量对应的概率；

步骤S35：根据每一个向量对应的概率，计算得到嵌入维度为

步骤S31中切比雪夫距离的表达式如下：

其中，

通过切比雪夫距离计算表达式可计算得到相空间内任意两个向量间的相似度，根据任意两个向量的切比雪夫距离

步骤S33中概率的表达式如下：

其中，

步骤S35中平均概率的表达式如下：

其中，

步骤S5中熵值IMMSE的表达式如下：

其中，

步骤S6中对水下微弱目标进行检测的具体步骤为：

A1：以时间尺度为横坐标，以粗粒化时间尺度熵值IMMSE为纵坐标，绘制得到熵值IMMSE曲线结果图；

A2：根据熵值IMMSE曲线结果图，计算并获取纯噪声的熵值IMMSE曲线；

A3：根据熵值IMMSE曲线结果图，计算并获取水下微弱目标信号的熵值IMMSE曲线；

A4：判断水下微弱目标信号的熵值IMMSE曲线与纯噪声的熵值IMMSE曲线相比是否出现下降情况，若是，则说明存在水下微弱目标信号，否则，不存在水下微弱目标信号。

如图2所示，横坐标为不同粗粒化的时间尺度，纵坐标为熵值IMMSE，图2为利用熵值IMMSE分别计算通道间相关的高斯白噪声和各通道间不相关的高斯白噪声的结果数据曲线；独立地重复生成10次噪声数据并计算对应的IMMSE熵值，计算得到10次熵值结果的均值和方差，并绘制出IMMSE结果曲线图。当通道之间存在相关性时，IMMSE曲线的整体结构变化不大，均呈现单调递减的趋势。如图2所示，通道间相关的高斯白噪声的IMMSE曲线与各通道间不相关的高斯白噪声的IMMSE曲线相比，熵值在所有的尺度上均减小了，即，利用IMMSE算法可以有效地提取通道之间相关性信息。

如图3所示，横坐标为不同的粗粒化时间尺度，纵坐标为熵值IMMSE，图3为利用熵值IMMSE分别计算纯高斯白噪声、高信噪比的目标信号、低信噪比的目标信号，三类不同数据的结果曲线；高信噪比的目标信号中，水下微弱目标信号的IMMSE曲线整体出现明显的下降，同时，曲线的整体结构与纯高斯白噪声相比也发生了改变，将纯噪声与水下微弱目标信号分离，即，利用IMMSE算法可以有效地在高信噪比条件下检测水下微弱目标信号；低信噪比的目标信号中，从时域上观察发现水下微弱目标信号已经完全淹没在噪声中，但是从IMMSE的结果曲线观察发现，低信噪比的目标信号曲线与纯高斯白噪声的IMMSE结果曲线相比依然出现了较为明显的下降。由于IMMSE的结果整体十分稳定，方差较小，虽然在纯高斯白噪声与低信噪比条件下的IMMSE结果曲线均值比较接近，但是依然可以有效的区分两种不同的信号，实现对水下微弱目标的信号检测。

本发明的有益效果为：发明提供了一种水下微弱目标信号的多通道熵检测方法，通过对多通道数据的熵进行检测，能够在高低信噪比环境中对水中微弱目标信号进行检测，有效地提取通道间的相关性信息，且方法在处理复杂信号数据时能够保持算法的稳定，具有较高的准确率和稳定性。