基于熵和模态分解的舰船辐射噪声特征提取方法研究

作     者：唐冰钊 

作者单位：西安理工大学 

学位级别：硕士

导师姓名：焦尚彬;李余兴;李清华

授予年度：2024年

学科分类：08[工学] 0824[工学-船舶与海洋工程] 082401[工学-船舶与海洋结构物设计制造] 

主      题：舰船辐射噪声 特征提取 斜率熵 蛇优化 模态分解 

摘      要：舰船辐射噪声的特征提取对舰船目标检测、识别和跟踪具有重要的实际工程意义。然而,由于舰船辐射噪声产生机理的复杂性和复杂海洋环境动态的多变性,传统的特征提取方法具有一定的局限性。针对上述问题,本文开展了基于熵和模态分解的舰船辐射噪声特征提取方法研究,主要研究内容如下: (1)针对斜率熵只能在单个尺度上度量舰船辐射噪声复杂度的问题,提出了一种新的复杂度特征——蛇优化变步长多尺度斜率熵。该算法以斜率熵为基础,通过变步长多尺度处理和引入蛇优化算法,不仅克服了传统多尺处理时因大幅缩短序列长度而导致熵值不准确的缺点,同时解决了斜率熵的阈值选择问题。经仿真实验测试,相较于传统的多尺度熵,蛇优化变步长多尺度斜率熵具有更好的特征提取性能。 (2)鉴于单通道舰船辐射噪声特征提取效果欠佳的问题,提出了一种基于连续变分模态分解和蛇优化变步长多尺度斜率熵的单通道舰船辐射噪声特征提取方法。该方法创新性地将连续变分模态分解和蛇优化变步长多尺度斜率熵相结合,旨在深入挖掘模态分量间的熵值差异。同时,借助特征选择技术来减少特征冗余,以提升舰船辐射噪声的识别精度。最终,通过实测舰船数据集验证了所提出方法的有效性。 (3)针对斜率熵仅适用于分析单通道舰船辐射噪声的问题,提出了一种新的复杂度特征——蛇优化多元斜率熵。该算法以斜率熵为基础,通过引入多元思想,实现了不同通道间时间序列动态变化的全面表征。同时,结合蛇优化算法,解决了多元斜率熵的阈值选择问题。通过仿真实验的分析以及与传统多元熵的对比研究,验证了所提出的蛇优化多元斜率熵的有效性。 (4)为实现多通道舰船辐射噪声的有效提取,提出了一种基于多元变分模态分解和蛇优化多元斜率熵的多通道舰船辐射噪声特征提取方法。该方法利用多元变分模态分解算法从频域中提取舰船辐射噪声的有效信息,并结合蛇优化多元斜率熵进行特征表征。此外,通过特征选择技术,有效区分了不同类别的舰船辐射噪声。最终,通过实测舰船数据集验证了所提出方法的优越性。