被動聲納目標稀疏表示分類識別方法

康春玉，李巖洲，夏志軍，寇 祝

（海軍大連艦艇學院，遼寧 大連 116018）

被動聲納目標分類識別就是利用聲納接收的目標輻射噪聲來實現目標的分類識別，相對主動聲納目標識別來說具有隱蔽性，是未來潛艇戰和反潛作戰中隱蔽攻擊、先敵發現、爭取戰場主動的先決條件，是實現魚雷、水雷等水下武器系統智能化的關鍵技術之一，也是國內外一直公認且尚未解決的難題。實現被動聲納目標的智能分類識別主要包括兩方面的關鍵技術，一方面是特征提取技術，另一方面是分類器技術[1]。針對特征提取技術，實現的技術途徑主要有時域波形特征提取、譜分析特征提取、時頻分析特征提取、混沌與分形非線性特征提取、聽覺模型特征提取等[2-5]。針對分類器技術，主要有模板匹配、最近鄰分類器、神經網絡分類器、支持向量機分類器、專家系統、深度學習和融合分類器等方法[2-3，6-8]。從目前現狀來看，被動聲納目標分類識別離實際需求還有比較大的距離。同時，上述分類器技術，一般是選定訓練樣本通過訓練獲得分類器權系數實現目標的分類識別，實際應用中，如果訓練樣本增加則需要重新訓練整個網絡，分類器的在線擴充和推廣能力一般。因此，尋找分類識別率高，不需要訓練，在線擴充方便，推廣能力強的分類識別方法在水下被動聲納目標識別中具有十分重要的軍事意義。

借鑒稀疏表示分類器在圖像識別等領域中的成功應用[9-10]，基于提取的被動聲納目標功率譜特征，提出了一種水下被動聲納目標稀疏表示分類識別方法，通過海上實錄艦船輻射噪聲分類實驗表明，分類性能優于常規最近鄰分類器、BP神經網絡分類器和支持向量機分類器。

1 功率譜特征提取

功率譜特征是一種常用的被動聲納目標特征提取方法，論文采用的方法如圖1所示。

圖1 功率譜特征提取

功率譜特征提取主要步驟。

第一步：對類型已知的艦船輻射噪聲樣本x（n）進行帶通和歸一化預處理，得到合適的艦船輻射噪聲樣本庫。

第二步：對預處理后的每一個輻射噪聲樣本進行重疊50%的分段，對取下的每一段數據進行加哈明窗處理，并計算加窗后每一段信號的功率譜。

第三步：將所有段的功率譜相應相加取平均得到該輻射噪聲樣本的功率譜特征，并對功率譜特征取對數和歸一化，得到該輻射噪聲樣本的特征P贊（ω）。

對每個艦船輻射噪聲樣本按上述步驟進行功率譜特征提取，得到整個輻射噪聲樣本的功率譜特征庫。

2 稀疏表示分類器

基于整個輻射噪聲樣本特征庫，按照一定間隔均勻選取N個輻射噪聲樣本特征，類似于神經網絡分類器中的訓練樣本庫，用這些樣本特征構造完備的特征原子庫，M為特征的維數。將余下的輻射噪聲樣本特征庫作為測試樣本特征庫。

這樣，任意一個測試樣本特征y∈RM可以由這組訓練樣本集特征近似的線性組合表示：

式中，ai（i=1，2，…，N）表示稀疏系數，式（1）寫成矩陣可表示為

即最小的殘差對應的類別為測試樣本的類別。

顯然，稀疏表示分類器的核心就是求出稀疏系數Θ，事實上就是解欠定方程組（2）。這是一標準稀疏分解問題，最直接的方法就是將問題轉化為如（4）式所示的優化問題，并求解得到稀疏表示系數，論文中采用匹配追蹤稀疏表示算法[9-10]。

最后，根據式（3）所示的分類準則，確定測試樣本的類型。很顯然，上述過程中沒有訓練過程，如果有新的訓練樣本出現，則可將其直接擴充到特征原子庫A即可。

3 分類識別檢驗與結果分析

被動聲納目標分類識別檢驗中，主要研究了三類水中目標輻射噪聲樣本的分類識別情況，全部噪聲樣本是在不同工況和水文氣象條件下，實錄的海上三類目標（分別用I、II和III表示）輻射噪聲。對所有實錄的輻射噪聲進行數字采樣后，每6.5 s數據作為一個樣本，按功率譜特征提取方法得到所有樣本的功率譜特征，并將整個樣本特征均勻間隔11個取出1個樣本特征構成特征原子庫A，余下的作為測試樣本集，相當于每間隔65 s選取一個樣本進行訓練，然后取這兩個訓練樣本的中間樣本作為測試樣本。由此得到訓練樣本集：第I類目標54個，第II類目標315個，第III類目標41個，共計410個；測試樣本集：第I類目標535個，第II類目標3 153個，第III類目標408個，共計4 096個。表1是采用最近鄰分類器、BP神經網絡分類器、支持向量機分類器及稀疏表示分類器得到的每類目標的分類識別概率。

表1 不同分類器對每類目標的分類識別概率（%）

從表1可以看出，稀疏表示分類器表現出了更好的性能，對每類目標的正確分類識別概率和總體正確分類識別概率均高于其他分類器。

4 結論

針對被動聲納目標的分類識別問題，提取了艦船輻射噪聲的功率譜特征，并抽取部分樣本構建特征原子庫，通過稀疏表示算法實現了被動聲納的分類識別。結果表明，該方法優于常規的最近鄰分類器、BP神經網絡分類器和支持向量機分類器，而且該方法不需要預先訓練，完備原子庫能隨時擴充。需要說明的是，如果訓練樣本庫特別大，如何使用該方法還需要進一步驗證與研究。