基于稀疏表示的水声信号分类识别.pdf

《基于稀疏表示的水声信号分类识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第36卷第4期探测与控制学报Vo1．36No．42014年8月JournalofDetection&ControlAug．2014基于稀疏表示的水声信号分类识别廖明熙，张小蓟，张歆(西北工业大学航海学院，陕西西安710072)摘要：传统的水声信号分类都是直接使用原信号进行处理的，特征提取耗时长，数据量大，针对这两个缺点，提出了一种压缩感知理论中基于稀疏表示的水声信号特征提取方法；该方法利用了水声信号在DCT变换域的稀疏特性，将信号的稀疏表示作为目标特征，并采用SVM分类算法进行分类识别。仿真结果表明，该方法不仅减

2、少了特征向量的计算时间，还提高了目标分类识别率，还降低了水声信号的传输数据量，压缩率可达96，在实际工程应用中具有较高的实用价值。关键词：压缩感知；稀疏表示；水声信号；特征提取中图分类号：TN911．7文献标志码：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备中，然后将信号传输到地面站进行处理，给实际应0引言用带来不便。因此如何降低数据量，并进行实时处理成为水声信号特征提取及分类识别的新方向。2006一直以来，水下目标识别与分类算法是水下舰年Candhs等提出了压缩感知(CompressedSensing，简船噪声信号处理研究的

7、重点及难点，其主要方法是称CS)理论L6。]，该理论的本质内容是稀疏或可压缩通过舰船的发动机噪声来判断舰船的类别。在水下信号的少量随机的线性投影即包含了重构和处理的目标识别特征提取方法的研究中，有众多的特征提足够信息，也就是仅仅利用信号稀疏或可压缩的先取方法[1]：功率谱分析理论[引、小波及小波包理验和少量的全局线性测量可以获得精确的信号重建，论L3j、HHT变换方法、MFCC方法。其中基于该理论被美国科技评论评为2007年度十大科技进HHT变换具有比较好的特征识别效果[4-53。展。而一般的语音信号在DCT基下

8、是可稀疏的[8]，这些特征提取与分类识别算法都是使用原信号，满足压缩感知理论要求，能够实现精确重构。因此信受限于水声系统的带宽，必须先将数据保存在水声设号的稀疏表示必然包括信号的所有特征信息，因此使*收稿日期：2014-01—09作者简介：廖明熙(1988一)，男，湖南柳州人，硕士研究生，研究方向：舰航噪声识别与分类。E-mail：binghu@163．corn。68探测