(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111661943.5 (22)申请日 2021.12.31 (71)申请人 厦门大学 地址 361000 福建省厦门市思明区思明南 路422号 (72)发明人 齐洁　王凌哲　孙海信　 (74)专利代理 机构 厦门福贝知识产权代理事务 所(普通合伙) 35235 代理人 陈远洋 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) (54)发明名称 一种基于多特征的舰船辐射噪声样本长度 选取方法与系统 (57)摘要 本发明给出了一种基于多特征的舰船辐射 噪声样本长度选取方法与系统， 包括以不同的样 本长度对舰船辐射噪声进行分割， 形成不同的舰 船辐射噪声样本集； 分别对每个所述舰船辐射噪 声样本集进行特征提取， 所述特征提取包括分别 提取多种特征； 针对每个所述舰船辐射噪声样本 集， 将提取出的每种特征分别输入到分类器中进 行训练， 计算出每种特征对应的识别率； 针对每 种特征根据其对应的识别率确定样本长度和识 别率的关联信息， 对每种特征所得到的所述关联 信息进行综合判决， 从而选取出所需的样本长 度。 本发明相较于传统的随机选取样本长度的方 式， 增加了样本携带的信息量， 减少后续过程的 处理时间。 权利要求书1页 说明书8页 附图3页 CN 114398925 A 2022.04.26 CN 114398925 A 1.一种基于多特 征的舰船辐射噪声样本 长度选取 方法， 其特 征在于， 包括以下步骤： S1： 以不同的样本 长度对舰船辐射噪声 进行分割， 形成不同的舰船辐射噪声样本集； S2： 分别对每个所述舰船辐射噪声样本集进行特征提取， 所述特征提取包括分别提取 多种特征； S3： 针对每个所述舰船辐射噪声样本集， 将提取出的每种特征分别输入到分类器中进 行训练， 计算出每种特 征对应的识别率； S4： 针对每种特征根据其对应的识别率确定样本长度和识别率的关联信息， 对每种特 征所得到的所述关联信息进行综合判决， 从而选取 出所需的样本 长度。 2.根据权利要求1所述的方法， 其特征在于， 每个所述舰船辐射噪声样本集中包含多个 具有相同的样本 长度的样本， 不同的舰船辐射噪声样本集中的样本具有不同的样本 长度。 3.根据权利 要求1所述的方法， 其特征在于， 所述特征包括： 梅尔频率倒谱系数(MFCC)、 伽玛通频率倒谱系数(GFC C)、 色散熵(DE)、 样本熵(SE)和多尺度加权排列熵(MWPE)。 4.根据权利要求1所述的方法， 其特征在于， 所述将提取出的每种特征分别输入到分类 器中进行训练， 计算出每种特 征对应的识别率， 具体包括： 将提取出的每种特 征分别输入到支持向量机(SVM)中进行训练。 5.根据权利要求1所述的方法， 其特 征在于， 所述S3具体包括： 针对每个所述舰船辐射噪声样本集， 将提取出的每种特征分别 输入到分类器中进行训 练， 从而根据每个所述舰船辐 射噪声样本集基于每种 特征进行训练识别出结果， 再根据结 果计算对应的识别率。 6.根据权利要求1所述的方法， 其特 征在于， 所述S4具体包括： 结合每个所述舰船辐射噪声样本集的不同的样本长度， 绘制出每种特征对应的用于表 征样本长度和识别率关系的识别率曲线， 再根据所述识别率曲线的收敛状态进行决策级的 综合判决， 从而选取 出所需的样本 长度。 7.根据权利要求6所述的方法， 其特征在于， 所述根据所述识别率曲线的收敛状态进行 决策级的综合判决， 从而选取出所需的样本长度， 具体包括： 选取每种特征对应的所述识别 率曲线中曲线开始收敛时的样本长度， 再对选取出 的样本长度进行分析， 选取使得所有识 别率曲线都收敛的样本 长度作为所需的样本 长度。 8.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该计算机程序被计 算机处理器执行时实施权利要求1至7中任一项所述的方法。 9.一种基于多特 征的舰船辐射噪声样本 长度选取系统， 其特 征在于， 包括： 噪声样本分割模块： 配置用于以不同的样本长度对舰船辐射噪声进行分割， 形成不同 的舰船辐射噪声样本集； 特征提取模块： 配置用于分别对每个所述舰船辐射噪声样本集进行特征提取， 所述特 征提取包括分别提取多种特 征； 特征识别模块： 配置用于针对每个所述舰船辐射噪声样本集， 将提取出的每种特征分 别输入到分类 器中进行训练， 计算出每种特 征对应的识别率； 样本长度选取模块： 配置用于针对每种特征根据其对应的识别率确定样本长度和识别 率的关联信息， 对每种 特征所得到的所述关联信息进行综合判决， 从而选取出所需的样本 长度。权　利　要　求　书 1/1 页 2 CN 114398925 A 2一种基于多特征的舰船辐射噪声样本 长度选取方 法与系统 技术领域 [0001]本发明涉及水声通信对抗技术领域， 尤其是一种基于多特征的舰船辐射噪声样本 长度选取 方法与系统。 背景技术 [0002]未来的战争是信息战的较量， 信息战在现代军事战争中占重要位置 。 [0003]近年来， 在水声通信对抗领域， 水下目标特征提取与识别成为了世界各国研究的 热点。 一般来说， 水下环境中， 声信号的传播距离要远远大于其余信号的传播距离， 并且能 够通过声呐设备截获， 所以水下目标的特征提取与目标识别往往是基于目标的声信号来进 行。 [0004]舰船能够搭载大量的武器设备和运送人员， 在现代海洋战争中占据重要地位。 不 同的舰船目标需要不同的打击策略， 所以舰船目标的识别分类在军事部署中有着十 分重要 的作用。 舰船辐 射噪声是舰船目标在行进过程不可避免产生的噪声信号， 也就是说能够通 过这种不可避免的声信号对舰船目标进行识别分类是一种行之有效的方式。 [0005]船舶辐射噪声通由机械、 水动力和螺旋桨噪声组合而成。 机械噪声由柴油机、 发电 机和空调机组产生， 主要包括线谱。 水动力噪声 是具有连续频谱的时间平稳信号， 而螺旋桨 噪声一般 分为非空化噪声和空化噪声。 后者是主要成分， 包括连续谱和线谱， 其叠加导致 非 正态频率分布。 同时， 存在环境噪声， 以及传播过程中的多径和多普勒效应， 使舰船辐 射噪 声具有非线性、 非高斯、 非平稳三种特性。 [0006]对舰船辐射噪声进行识别时， 首先就要考虑在进行样本分割时每个样本的长度。 当样本长度过短， 就很难提取到舰船辐射噪声的特征； 样 本长度过长， 就会造成提取特征的 时间过长， 同时也会导致分类时间较长。 但在现有的对舰船辐射噪声的研究中， 并没有一个 具体的舰船辐射噪声长度的选取 标准。 发明内容 [0007]本发明提出了一种基于多特征的舰船辐射噪声样本长度选取方法与系统， 以解决 上文提到的现有技 术的缺陷。 [0008]在一个方面， 本发明提出了一种基于多特征的舰船辐射噪声样本长度选取方法， 该方法包括以下步骤： [0009]S1： 以不同的样本长度对舰船辐射噪声进行分割， 形成不 同的舰船辐射噪声样本 集； [0010]S2： 分别对每个所述舰船辐射噪声样本集进行特征提取， 所述特征提取包括分别 提取多种特 征； [0011]S3： 针对每个所述舰船辐射噪声样本集， 将提取出的每种特征分别输入到分类器 中进行训练， 计算出每种特 征对应的识别率； [0012]S4： 针对每种特征根据其对应 的识别率确定样本长度和识别率的关联信息， 对每说　明　书 1/8 页 3 CN 114398925 A 3