一种基于辐射噪声干涉条纹特征的声源深度判别方法.pdf

(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CN113705516A(43)申请公布日2021.11.26(21)申请号202111032415.3(22)申请日2021.09.03(71)申请人东南大学地址211189江苏省南京市江宁区东南大学路2号(72)发明人安良徐若珺林书雯龙宇曹红丽(74)专利代理机构南京瑞弘专利商标事务所(普通合伙)32249代理人任志艳(51)Int.Cl.G06K9/00(2006.01)权利要求书2页说明书6页附图4页(54)发明名称一种基于辐射噪声干涉条纹特征的声源深度判别方法(57)摘要本发明公开了一种基于辐射噪声干涉条纹特征的声源深度判别方法，包括以下步骤：(1)对辐射噪声信号采样序列进行LOFAR分析，得到干涉条纹图像矩阵。(2)对步骤1中生成的干涉条纹图像矩阵进行滤波处理，得到滤波后的干涉条纹图像矩阵。(3)对步骤2中生成的滤波后的干涉条纹图像矩阵进行差分处理，并对差分处理后的图像矩阵进行Radon变换，得到二维Radon变换矩阵，按列求所得二维Radon变换矩阵的方差，得到列方差向量。(4)判断步骤3中得到的列方差向量的峰值个数。(5)若步骤4中得到的峰值个数超过门限值，则判断辐射噪声声源为水面目标；若步骤4中得到的峰值个数不超过门限值，则判断辐射噪声声源为水下目标。CN113705516ACN113705516A权利要求书1/2页1.一种基于辐射噪声干涉条纹特征的声源深度判别方法，其特征在于，包括如下步骤：步骤1，对辐射噪声信号采样序列进行LOFAR分析，得到干涉条纹图像矩阵I(m，n)；步骤2，对干涉条纹图像矩阵I(m，n)进行滤波处理，得到滤波后的干涉条纹图像矩阵Y(m，n)；步骤3，对滤波后干涉条纹图像矩阵Y(m，n)差分处理，得到差分后矩阵D(m，n)，对差分后矩阵D(m，n)进行Radon变换，得到二维Radon变换矩阵R(s，α)，按列求所得二维矩阵R(s，α)的方差，得到列方差向量z(α)；步骤4，判断列方差向量z(α)的峰值个数p；步骤5，若峰值个数p超过门限值λ，则判断辐射噪声声源为水面目标；若峰值个数p不超过门限值λ，则判断辐射噪声声源为水下目标。2.根据权利要求1所述一种基于辐射噪声干涉条纹特征的声源深度判别方法，其特征在于，步骤1具体包括如下步骤：步骤1.1，将辐射噪声信号的采样序列s(q)，q＝1，2，...，P，采样频率为fs，分为Q个子序列Ej(kj)(Q≥β，1+(L‑K)(j‑1)≤kj≤L+(L‑K)(j‑1)，j＝1，2，...，Q)，其中P是采样序列的长度，β是子序列个数的下限值；每个子序列长度为L(L＜P)个点，且L为偶数，各段数据间重叠长度为K(L/2≤K＜L)，利用式(1)处理序列Ej(kj)，记处理后的第j个子序列为Aj(kj)；步骤1.2，对第j个子序列Aj(kj)作归一化和中心化处理，得到序列Wj(kj)，式中max()表示取矩阵中的最大元素；中心化处理：归一化处理：步骤1.3，设频率向量F＝fL，fL+0.1，...，fH，fL，fH分别为下限频率与上限频率，利用Goertzel方法计算归一化处理后信号Wj(kj)在向量F中各个元素指定的频率处计算功率谱值，并将得到的功率谱序列记作Uj(uj)，uj＝1，2，...(fH‑fL)*10+1；同时，记录第j段信号的时间值为tj＝L/(2fs)+(L‑K)(j‑1)/fs；步骤1.4，按时间将各序列Uj(uj)绘制在坐标系中，以时间为纵坐标，频率为横坐标，可得到完整的LOFAR图矩阵I(m，n)，m＝1，2，...，(fH‑fL)*10+1，n＝1，2，...，Q。3.根据权利要求1所述一种基于辐射噪声干涉条纹特征的声源深度判别方法，其特征在于，步骤2具体包括如下步骤：步骤2.1，对LOFAR图矩阵I(m，n)进行小波阈值去噪，选取小波基为coif2，阈值函数为软阈值函数，分解层数为d，每层的阈值选取为[β1，β2，...，βd]，分别对图像的垂直、水平、对角方向进行小波阈值去噪，得到小波阈值去噪后图像矩阵B(m，n)；步骤2.2，对小波阈值去噪后图像进行中值滤波，滤波窗口大小为win1×win2，得到中值滤波后图像矩阵C(m，n)；步骤2.3，利用式(2)归一化中值滤波后图像矩阵，得C’(m，n)；2CN113705516A权利要求书2/2页其中max()意为取矩阵中的最大元素，min()意为取矩阵中的最小元素；对矩阵C’(m，n)实行对比度受限的直方图均衡(ContrastLimitedAdaptiveHistogramEquaLization)，采用瑞利分布(Rayleigh)的直方图，设置图块数量为Nu×Mu，用于构建对比度增强变换的直方图条数