基于字典學習的主動聲吶目標分類方法

王 紅，孫同晶，劉 桐

(杭州電子科技大學通信信息傳輸與融合技術國防重點學科實驗室，浙江杭州310018)

0 引 言

主動聲吶目標分類[1-2]作為水聲信號處理的重要研究方向之一，在國防和民用方面都有重要應用價值。主動聲吶是常用的水聲設備[3-4]，通過接收發射脈沖信號與目標沖擊響應的卷積，得到攜帶大量反映目標本質信息的回波信號，用于水下目標分類研究。典型分類方法[5-8]分為特征提取和分類器設計兩個部分，如 Li等[9]利用分數傅里葉變換頻譜對水雷回波信號進行特征提取，然后利用主成分分析對特征進行壓縮后再放入支持向量機(Support Vector Machine,SVM)分類器進行分類。但當海洋環境復雜以及研究目標為小物體時，接收的目標回波信號較弱，基于原信號的分類方法無法滿足研究需求。

1993年，Mallat等[10]結合稀疏表示理論解決了低信噪比信號的處理問題。稀疏表示[11]利用信號在變換域(字典)中具有稀疏的特性，有效地去除了信號的噪聲[12]，提高了信噪比。稀疏表示是由字典中有限的列向量線性表示信號的過程，因此，字典的設計直接影響稀疏表示性能。研究初期，信號的表示大多基于通用的固定字典，如余弦變換基、傅里葉變換基[13]和小波基[14]等。而后，研究者們提出了學習字典的方法，其中 K-奇異值分解算法(K-Singular Value Decomposition,K-SVD)算法K-SVD[15]是目前最常用的字典學習算法，最早由Aharon等提出，因其快速的計算效率，受到了廣泛的關注[16-18]?；谟柧殞W習的字典帶有目標信號類別信息(由目標信號樣……