一种基于单矢量传感器的信号自主检测与分类方法

1.本发明涉及信号处理领域，具体涉及一种基于单矢量传感器的信号自主检测与分类方法。


背景技术：

2.深海潜标是一种可用于长期连续监测海洋环境的重要声纳设备，是海底观测网的重要组成部分。由于潜标具备良好的隐蔽性和布放机动性，因此也可用于水中舰船目标辐射声信号的采集，用于建立深海水声目标数据库。相较于浅海，深海水域范围更加广阔，经过潜标探测能力范围内的舰船目标数量较少。为了提高潜标数据存储容量和电量的利用率、延长潜标工作时间，可设计相匹配的水声目标自主探测系统，当系统检测到目标存在时，启动数据采集模块。因此，水声目标自主探测系统是潜标中一直保持工作状态的水声信号处理模块，这就需要自主探测系统的算法稳健、计算量适中、功耗低。
3.潜标系统可以搭载多种类型的声呐设备或声呐阵列，其中矢量传感器是一类十分重要的搭载设备。矢量传感器能在空间中一点同时测量声压和质点振速，利用声压和质点振速数据能够实现多目标测向，并且基于矢量信号的振速谱处理和声强平均能够抑制环境噪声。因此，搭载矢量传感器的潜标系统硬件和信号处理软件设计具有很高的理论研究和工程应用价值，目前已开展了基于单矢量传感器以及矢量传感器阵列的目标自主探测研究。
4.在信号处理方法方面，基于深度学习等人工智能领域的目标检测方法在水声工程应用方面还不够成熟，因此仍有必要采用传统的水声信号处理方法实现水声目标检测。经典的声矢量信号检测方法主要是测向和目标线谱特征提取，最后通过设置门限判断目标有无。以上基于能量判决的方法容易受到环境噪声以及声呐设备自噪声影响，导致信号能量突变，从而引起虚警。为保证目标检测结果准确可靠，适用于上述应用背景及需求，本发明提出了一种基于单声矢量传感器的水声信号自主检测与分类方法。


技术实现要素：

5.为支撑潜标系统中自主信号探测这一信号处理模块的设计和实现，本发明提出了一种基于单矢量传感器的信号自主检测与分类方法。该方法首先利用矢量传感器接收的声压和质点振速数据计算每个频点的相干系数并提取相位，通过分析相位随时间变化的统计特性获得相位起伏因子；然后设置起伏因子门限，利用信号和噪声相位起伏的差异性获得信号的初步检测结果；最后通过信号的初步检测结果进行时长和带宽的二次检测，并将检测结果进行窄带线谱信号和宽带信号分类。相比其他基于频谱能量的信号检测技术，本发明能提供更为稳健的信号自主检测结果，检测结果可进一步用于目标测向与识别。
6.本发明采用的技术方案为，一种基于单矢量传感器的信号自主检测与分类方法，分为以下步骤：
7.s1利用单矢量传感器接收的声压和质点振速数据计算每个频点的相干系数并提
取相位，通过分析相位随时间变化的方差获得相位起伏因子；具体如下：
8.s1.1对单矢量传感器采集到的声压和质点振速数据进行分段：单矢量传感器采集到质点振速x通道采样数据s
x
、质点振速y通道采样数据sy、质点振速z通道采样数据sz和声压通道采样数据s
p
后，以窗长w
l
秒对上述采样数据进行截取，第i个数据段对应的时间为ti，i为数据段编号，i＝1,2,3,
···
,s，s为数据段总数。
9.s1.2利用经典谱估计方法(胡广书.数字信号处理:理论,算法与实现[m].清华大学出版社有限公司,2007:3.)计算每个矢量信号数据段的自谱和互谱，谱分析频率为kj，j表示第j个频点，j＝1,2,3,
···
,m，m表示总的频点数。自谱估计结果i
pp
(i,j)、i
xx
(i,j)、i
yy
(i,j)、i
zz
(i,j)分别表示时间ti对应的数据段在频点kj处的声压通道、质点振速x通道、质点振速y通道和质点振速z通道的自谱，互谱估计结果i
px
(i,j)、i
py
(i,j)、i
pz
(i,j)分别表示时间ti对应的数据段在频点kj处声压通道和质点振速x通道的互谱、声压通道和质点振速y通道的互谱、声压通道和质点振速z通道的互谱。通过自谱和互谱计算时间ti对应的数据段在频点kj处的相干系数可得：
[0010][0011]
其中，c
px
(i,j)表示在时间ti对应的数据段在频点kj处声压通道和质点振速x通道的相干系数，c
py
(i,j)表示时间ti对应的数据段在频点kj处声压通道和质点振速y通道的相干系数，c
pz
(i,j)表示时间ti对应的数据段在频点kj处声压通道和质点振速z通道的相干系数；
[0012]
s1.3提取公式(1)中相干系数c
px
(i,j)、c
py
(i,j)和c
pz
(i,j)的相位，分别得到相干系数c
px
(i,j)的相位ph
px
(i,j)、相干系数c
py
(i,j)的相位ph
py
(i,j)、相干系数c
pz
(i,j)的相位ph
pz
(i,j)。
[0013]
s1.4将提取的相干系数相位信息表示为如下矩阵形式：
[0014][0015]
其中，ph
x
、phy和phz为分别为存储声压通道和质点振速x、y、z通道相干系数的相位矩阵，矩阵每一行按照时间顺序ti,t
i+1
,...存储k1至km对应的m个频点的相位。
[0016]
s1.5设置时长阈值t1，应满足t1≥10*w
l
，若窗长w
l
＝1s，时长阈值t1应设置为10s以
上。当积累ti至t
i+n-1
对应的n个数据段满足nw
l
≥t1时，将相干系数的相位矩阵拆分为如下形式：
[0017][0018]
其中，和分别表示满足时长阈值t1后由声压通道和质点振速x、y、z通道在n(n＜s)个数据段、m个频点的相干系数的相位矩阵。
[0019]
s1.6分别对公式(3)中每个矩阵每一列的相位计算标准差，得到标准差矩阵std：
[0020][0021]
其中，std表示求标准差运算，公式(4)标准差矩阵std中的元素std
ph-px
(1)为公式(3)中矩阵的第一列向量[ph
px
(1,1),ph
px
(2,1),...,ph
px
(i,1),...,ph
px
(n,1)]
t
中所有元素的标准差，同理可得标准差矩阵std中的其他元素。
[0022]
对公式(4)中标准差矩阵std的每一个元素取倒数，将相位标准差的倒数定义为相位起伏因子，得到相位起伏因子矩阵f：
[0023][0024]
基于信号和噪声相位起伏特性的差异，可通过相位起伏因子的大小来区分信号和噪声，即相位起伏因子较小的频率为噪声频率，相位起伏因子较大的频率为信号频率。依据设置的相位起伏因子门限就可判断出某一频率的信号特性。
[0025]
s2设置相位起伏因子门限，利用信号和噪声相位起伏的差异性获得信号的初步检测结果；
[0026]
s2.1计算噪声数据的相位起伏因子，并将相位起伏因子的最大值c
th
设置为所有频率的相位起伏因子门限，基于该门限值获得的检测结果表示为
[0027][0028]
其中di(j)表示检测结果，0表示检测结果为噪声，1表示检测结果为目标信号，f(1,j)表示相位起伏因子矩阵f第一行中的元素，f(2,j)表示相位起伏因子矩阵f第二行中
的元素，f(3,j)表示相位起伏因子矩阵f第三行中的元素。
[0029]
需要注意的是，由于不同水域的声信道条件不同，因此设置相位起伏因子门限时需要一定的噪声数据分析结果或先验信息支撑以确保检测结果的稳健性。若需进行长时间信号监测，则需至少每天更新一次基于噪声数据分析的相位起伏因子门限。
[0030]
s2.2经过s2.1的初步门限检测后可获得ti至t
i+n-1
时间段内的检测结果di(j)，存储检测结果并更新数据，数据更新方式为t
i+n
时间对应的数据段入栈，ti时间对应的数据段出栈，此时处理的数据时间段更新为t
i+1
至t
i+n
，再对更新后的数据段重复s1过程并获得初步检测结果d
i+1
(j)，重复s2.1可获得初步检测结果矩阵r：
[0031][0032]
以数据段入栈、出栈的方式更新处理数据，检测结果矩阵每行依次存储更新数据的初步检测结果。
[0033]
通过初步检测主要获得在不同时间段内某一频率是否为信号的检测结果，而判断某一频点的信号为宽带或窄带信号还需进行二次检测。二次检测需利用线谱信号在时间上的连续性和宽带信号在频域上的连续性实现信号分类，因此需要累积多次初步检测结果，形成初步检测结果矩阵r，初步检测结果矩阵r的每一行对应不同的处理时间，每一列对应不同的信号频率。当初步检测结果矩阵r积累的处理时长满足二次检测条件时，即可基于矩阵r开始进行二次检测。
[0034]
s3通过s2获得的信号的初步检测结果进行二次检测，并将二次检测结果进行窄带线谱信号和宽带信号分类；
[0035]
s3.1随着初步检测结果矩阵r的积累，当初步检测结果矩阵r的维度达到g
×
m时，g为初步检测次数，初步检测结果矩阵r中存储了ti至t
i+g+n-1
时间的检测结果，已处理的数据时间长度为(g+n)w
l
。设置判断是否开始二次检测的时长阈值t2，应满足t2≥2*t1，若t1＝20s，t2的设置应不小于40s。当(g+n)w
l
≥t2时，满足二次检测条件的初步检测结果矩阵rg为：
[0036][0037]
分别计算矩阵rg中每列元素的和与矩阵中累积的初步检测次数g的比值：
[0038][0039]
矩阵rg是由0和1构成的矩阵，其中元素为1的位置对应的时间和频率表示在该时间内该频率为目标信号，公式(9)计算比值即是分析在g次初步检测中，每个频点被判定为目标信号的比例，将比值ct(j)定义为时长占比参数，该时长占比参数介于0～1之间，该参数描述了在频率kj处目标信号的时间连续性。
[0040]
对于水中目标的辐射信号，线谱信号相较于宽带信号通常具有较长的时间连续性，ct(j)值较大，针对窄带线谱信号和宽带信号分别设置时长占比参数阈值，即窄带线谱
信号的时长占比参数阈值需要设置得比宽带信号大，这样就可以通过筛选时长占比参数ct(j)的方式将线谱信号频率提取出来。
[0041]
s3.2窄带线谱检测。
[0042]
设置针对窄带线谱信号的时长占比参数阈值t
l
，当时长占比参数ct(j)≥t
l
时，说明频率kj为线谱信号频率，将该频率的线谱检测结果记录为1；若时长占比参数ct(j)＜t
l
，说明频率kj不是线谱信号频率，将该频率的线谱检测结果记录为0。时长占比参数阈值t
l
的设置范围在0到1之间，具体数值可通过调试实测数据后确认，例如将t
l
设置为0.8，即认为只有存在时长占比超过80％的频点为线谱信号。
[0043]
s3.3宽带信号检测。
[0044]
设置针对宽带信号检测的时长占比参数阈值tb，时长占比参数阈值tb与t
l
的设置方式相同，需要注意的是，因为宽带信号的时间连续性没有线谱信号强，所以tb需设置得比t
l
小。用db(j)，j＝1,2,...,m代表宽带信号检测结果，若tb≤ct(j)＜t
l
，将频率kj处的检测结果记录为db(j)＝1；若ct(j)＜tb，将频率kj处的检测结果记录为db(j)＝0。将向量db各元素求和并计算与m的比值，即可获得带宽占比参数：
[0045][0046]
带宽占比参数cf描述了信号带宽与分析频率带宽的比例，带宽占比参数cf越大表明信号带宽越大，因此可利用该参数筛选出宽带信号。设置带宽占比参数阈值fb，设置范围为0～1，可根据预计检测的最小带宽和分析频率带宽的比值计算出fb。若cf≥fb，表明检测到宽带信号，宽带信号检测结果为1；若cf＜fb，则表明未检测到宽带信号，所有频率的检测结果全部替换为0。
[0047]
s3.4窄带线谱和宽带信号分类。
[0048]
将s3.2窄带线谱检测和s3.3对应的频率记录下来，可分别获得窄带线谱信号和宽带信号的频率信息，从而实现窄带和宽带信号分类。
[0049]
s4数据流更新。
[0050]
经过s1至s3的处理步骤，实现了对ti至t
i+g+n-1
时间对应的g+n段数据的一次窄带和宽带信号的检测与分类，下一次的信号检测与分类将从时间t
i+1
开始，再进行s1计算数据相位起伏因子、s2利用相位起伏因子实现信号初步检测和s3基于初步检测结果的窄带和宽带信号分类。
[0051]
本发明分别在s2.2和s4进行了两次数据更新。s2.2数据更新的目的是获取不同时间的检测结果，并将检测结果储存在矩阵中以构成初步检测结果矩阵。s4数据更新的目的是在完成一次信号检测和分类的全流程后，对后续采集的矢量数据进行下一次信号检测和分类。
[0052]
本发明具有以下有益效果：
[0053]
1.本发明提出了一种适用于单矢量传感器的信号检测与分类方法，利用声压和振速矢量通道数据中信号和噪声相干系数的相位起伏差异性，并采用方差定量分析相位的起伏程度，实现基于相位起伏特性的信号检测。在信号检测结果的基础上，利用窄带和宽带信号在时域和频域的连续性差异实现了二者的分类。相较于能量检测法，本发明提出的检测和分类算法均是基于数据长时间的相位特征分析，能够有效避免瞬态干扰等偶发情况带来
的虚警误判，在实现稳健信号检测的同时还能够进行信号分类，这是其他矢量信号检测算法所不具备的。
[0054]
2.本发明在进行信号检测过程中综合了声压通道和所有质点振速通道相干系数的相位起伏因子与门限的对比结果(见公式(5)和(6))，充分利用了矢量传感器采集的全部数据信息。
[0055]
3.本发明采用的信号处理方法主要为基于傅里叶理论的经典谱估计算法，整个检测和分类流程主要由初步检测和二次检测构成，过程清晰、计算量小且支持数据实时处理，具有较高的工程应用价值。
[0056]
4.本发明在检测和分类环节中产生的自谱、互谱、窄带线谱频率和信号带宽等信号处理结果还可以用于后续的目标测向和定位当中，作为重要的矢量信号预处理模块具备较为广泛的应用前景。
附图说明
[0057]
图1发明内容程序流程图；
[0058]
图2矢量传感器各通道数据lofar分析结果；
[0059]
图3声压与矢量通道数据相干系数的相位起伏因子
[0060]
图4信号检测结果；
[0061]
图5信号分类结果。
具体实施方式
[0062]
下面结合附图对发明的实际应用进行描述：
[0063]
利用本发明提出的信号检测与分类方法处理单矢量传感器实测数据。实测的声压和矢量通道数据的lofar(low frequency analysis recording)分析结果如图2所示。在接下来的操作流程介绍中将对实测数据的窄带线谱和宽带信号进行检测和分类。
[0064]
s1利用矢量传感器实测的声压和振速数据计算每个频点的相干系数并提取相位，通过分析相位随时间变化的统计特性获得相位起伏因子；
[0065]
s1.1对单矢量传感器采集到的矢量信号进行分段。输入x通道数据s
x
、y通道数据sy、z通道数据sz和声压p通道数据s
p
，以窗长w
l
＝1s对输入数据进行无重叠截取。如图2所示，实测数据时间长度为450s，因此可划分为450个数据段，每个数据段对应的时间为1s，2s，3s，
……
，450s。
[0066]
s1.2利用经典谱估计方法计算每个实测数据段的自谱和互谱，选取的频率范围为400～700hz，根据公式(1)计算每个频点的相干系数。
[0067]
s1.3提取相干系数的相位。
[0068]
s1.4根据公式(2)存储提取的相干系数相位信息。
[0069]
s1.5将时长阈值设置为t1＝20s，当积累第1s至第20s对应的20个数据段的相干系数的相位时即满足了时长阈值t1的门限条件，可获得如公式(3)所示的相干系数相位矩阵。
[0070]
s1.6分别计算由步骤s1.5获得的3个相位矩阵中每一列元素的标准差，再对每一个标准差取倒数获得相位起伏因子，得到如公式(5)所示的相位起伏因子矩阵。图3显示了相位起伏因子矩阵每一行分别对应的x、y和z矢量通道与p声压通道数据的相干系数相位起
伏因子，通过相位起伏因子大小可判断该频率处是否为目标信号。
[0071]
s2设置相位起伏因子门限，利用信号和噪声相位起伏的差异性获得信号的初步检测结果；
[0072]
s2.1通过分析实测噪声数据，将所有频率的相位起伏因子门限均设置为c
th
＝2，根据公式(6)进行信号检测。
[0073]
s2.2经过s2.1的门限检测后可获得第1s至第20s时间段内的检测结果，存储检测结果并更新数据，第21s对应的数据段入栈，第1s对应的数据段出栈，此时处理数据更新为第2s至第21s时间段内对应的数据段，重复s1过程并获得检测结果，重复检测过程获得检测结果矩阵。
[0074]
s3通过信号的初步检测结果进行二次检测，并将检测结果进行窄带线谱信号和宽带信号分类；
[0075]
s3.1将判断二次检测是否开始的时长阈值设置为t2＝40s，即表示此时已完成对第1s至第40s时间对应数据段的检测，检测结果矩阵中存储了21次检测结果，检测矩阵维度为21
×
301。计算时长占比参数，即计算检测矩阵每一列元素的均值，时长占比参数向量的维度为1
×
301，此时开始二次检测进行目标分类。
[0076]
s3.2窄带线谱检测。
[0077]
将窄带线谱信号的时长占比参数阈值设置为t
l
＝0.8，大于等于时长占比参数阈值的时长占比参数对应的频点为线谱信号频率，该频率的线谱检测结果记录为1；小于时长占比参数阈值的时长占比参数对应的频点不是线谱信号频率，该频率的线谱检测结果记录为0。
[0078]
s3.3宽带信号检测。
[0079]
将宽带信号检测的时长占比参数阈值设置为tb＝0.6，带宽占比参数阈值设置为fb＝0.25。将大于等于tb＝0.6，小于t
l
＝0.8的时长占比参数对应频率处的检测结果记录为1；将小于tb＝0.6的时长占比参数对应将频率处的检测结果记录为0。存储以上检测结果并根据公式(10)计算带宽占比参数，若带宽占比参数大于等于带宽占比参数阈值fb＝0.25，表明检测到宽带信号；若小于带宽占比参数阈值fb＝0.25，则表明未检测到宽带信号，所有频率的检测结果全部替换为0。
[0080]
s3.4窄带线谱和宽带信号分类。
[0081]
将s3.2窄带线谱检测和s3.3宽带信号检测结果为1对应的频率记录下来，可分别获得窄带线谱信号和宽带的频率信息，从而实现窄带和宽带信号分类。
[0082]
s4数据流更新。
[0083]
经过s1至s3的处理步骤，实现了对第1s至第40s时间对应的每个通道40段数据的一次窄带和宽带信号的检测与分类，下一次的信号检测与分类从每个通道第2s的数据段开始，再进行s1至s3的处理步骤，直到将所有数据处理完毕。
[0084]
图4为全部实测数据的信号检测结果，其中窄带线谱信号主要存在于前200s，同一时段内还存在频带为550～700hz的宽带信号；在200～400s的时间区间内，在分析频段(400～700hz)中能够观察到具有清晰干涉条纹的宽带信号，该宽带信号来自于试验船的宽带辐射噪声。通过以上观察和分析结果可知，通过初步检测能够获得窄带和宽带信号的检测结果。
[0085]
由4结果可知，初步检测环节可以判断信号的有无，但无法实现信号分类，因此在图4信号检测结果的基础上进行二次检测，实现信号分类，分类结果如图5所示。图5中的两个子图分别显示了经过信号分类后窄带线谱信号和宽带信号的频率信息随时间累积的结果。窄带信号检测结果将图4中符合窄带信号分类条件的线谱信号提取了出来，具体呈现为在频域上离散、长时间连续的直线。宽带信号检测结果显示了图4中宽带信号的分类提取结果，具体呈现为沿频率轴分布的条带状结果。

技术特征：
1.一种基于单矢量传感器的信号自主检测与分类方法，其特征在于，该方法分为以下步骤：s1利用单矢量传感器接收的声压和质点振速数据计算每个频点的相干系数并提取相位，通过分析相位随时间变化的方差获得相位起伏因子；具体如下：s1.1对单矢量传感器采集到的声压和质点振速数据进行分段：单矢量传感器采集到质点振速x通道采样数据s
x
、质点振速y通道采样数据s
y
、质点振速z通道采样数据s
z
和声压通道采样数据s
p
后，以窗长w
l
秒对上述采样数据进行截取，第i个数据段对应的时间为t
i
，i为数据段编号，i＝1,2,3,
···
,s，s为数据段总数；s1.2利用经典谱估计方法计算每个矢量信号数据段的自谱和互谱，谱分析频率为k
j
，j表示第j个频点，j＝1,2,3,
···
,m，m表示总的频点数；自谱估计结果i
pp
(i,j)、i
xx
(i,j)、i
yy
(i,j)、i
zz
(i,j)分别表示时间t
i
对应的数据段在频点k
j
处的声压通道、质点振速x通道、质点振速y通道和质点振速z通道的自谱，互谱估计结果i
px
(i,j)、i
py
(i,j)、i
pz
(i,j)分别表示时间t
i
对应的数据段在频点k
j
处声压通道和质点振速x通道数据段的互谱、声压通道和质点振速y通道的互谱、声压通道和质点振速z通道的互谱；通过自谱和互谱计算时间t
i
对应的数据段在频点k
j
处的相干系数可得：其中，c
px
(i,j)表示在时间t
i
对应的数据段在频点k
j
处声压通道和质点振速x通道的相干系数，c
py
(i,j)表示时间t
i
对应的数据段在频点k
j
处声压通道和质点振速y通道的相干系数，c
pz
(i,j)表示时间t
i
对应的数据段在频点k
j
处声压通道和质点振速z通道的相干系数；s1.3提取公式(1)中相干系数c
px
(i,j)、c
py
(i,j)和c
pz
(i,j)的相位，分别得到相干系数c
px
(i,j)的相位ph
px
(i,j)、相干系数c
py
(i,j)的相位ph
py
(i,j)、相干系数c
pz
(i,j)的相位ph
pz
(i,j)；s1.4将提取的相干系数相位信息表示为如下矩阵形式：其中，ph
x
、ph
y
和ph
z
为分别为存储声压通道和质点振速x、y、z通道相干系数的相位矩阵，矩阵每一行按照时间顺序t
i
,t
i+1
,
…
存储k1至k
m
对应的m个频点的相位；
s1.5设置时长阈值t1，当积累t
i
至t
i+n-1
对应的n个数据段满足nw
l
≥t1时，将相干系数的相位矩阵拆分为如下形式：其中，和分别表示满足时长阈值t1后由声压通道和质点振速x、y、z通道在n个数据段、m个频点的相干系数的相位矩阵，n＜s；s1.6分别对公式(3)中每个矩阵每一列的相位计算标准差，得到标准差矩阵std：其中，std表示求标准差运算，公式(4)标准差矩阵std中的元素std
ph-px
(1)为公式(3)中矩阵的第一列向量[ph
px
(1,1),ph
px
(2,1),...,ph
px
(i,1),...,ph
px
(n,1)]
t
中所有元素的标准差，同理可得标准差矩阵std中的其他元素；对公式(4)中标准差矩阵std的每一个元素取倒数，将相位标准差的倒数定义为相位起伏因子，得到相位起伏因子矩阵f：基于信号和噪声相位起伏特性的差异，可通过相位起伏因子的大小来区分信号和噪声，即相位起伏因子较小的频率为噪声频率，相位起伏因子较大的频率为信号频率，依据设置的相位起伏因子门限就可判断出某一频率的信号特性；s2设置相位起伏因子门限，利用信号和噪声相位起伏的差异性获得信号的初步检测结果；s2.1计算噪声数据的相位起伏因子，并将相位起伏因子的最大值c
th
设置为所有频率的相位起伏因子门限，基于该门限值获得的检测结果表示为其中d
i
(j)表示检测结果，0表示检测结果为噪声，1表示检测结果为目标信号，f(1,j)表示相位起伏因子矩阵f第一行中的元素，f(2,j)表示相位起伏因子矩阵f第二行中的元素，f
(3,j)表示相位起伏因子矩阵f第三行中的元素；s2.2经过s2.1的初步门限检测后可获得t
i
至t
i+n-1
时间段内的检测结果d
i
(j)，存储检测结果并更新数据，数据更新方式为t
i+n
时间对应的数据段入栈，t
i
时间对应的数据段出栈，此时处理的数据时间段更新为t
i+1
至t
i+n
，再对更新后的数据段重复s1过程并获得初步检测结果d
i+1
(j)，重复s2.1可获得初步检测结果矩阵r：以数据段入栈、出栈的方式更新处理数据，检测结果矩阵每行依次存储更新数据的初步检测结果；s3通过s2获得的信号的初步检测结果进行二次检测，并将二次检测结果进行窄带线谱信号和宽带信号分类；s3.1随着初步检测结果矩阵r的积累，当初步检测结果矩阵r的维度达到g
×
m时，g为初步检测次数，初步检测结果矩阵r中存储了t
i
至t
i+g+n-1
时间的检测结果，已处理的数据时间长度为(g+n)w
l
；设置判断是否开始二次检测的时长阈值t2，当(g+n)w
l
≥t2时，满足二次检测条件的初步检测结果矩阵r
g
为：分别计算矩阵r
g
中每列元素的和与矩阵中累积的初步检测次数g的比值：矩阵r
g
是由0和1构成的矩阵，其中元素为1的位置对应的时间和频率表示在该时间内该频率为目标信号，公式(9)计算比值即是分析在g次初步检测中，每个频点被判定为目标信号的比例，将比值ct(j)定义为时长占比参数，该时长占比参数介于0～1之间，该参数描述了在频率k
j
处目标信号的时间连续性；s3.2窄带线谱检测设置针对窄带线谱信号的时长占比参数阈值t
l
，当时长占比参数ct(j)≥t
l
时，说明频率k
j
为线谱信号频率，将该频率的线谱检测结果记录为1；若时长占比参数ct(j)＜t
l
，说明频率k
j
不是线谱信号频率，将该频率的线谱检测结果记录为0；s3.3宽带信号检测设置针对宽带信号检测的时长占比参数阈值t
b
，时长占比参数阈值t
b
与t
l
的设置方式相同，因为宽带信号的时间连续性没有线谱信号强，所以t
b
需设置得比t
l
小；用d
b
(j)代表宽带信号检测结果，若t
b
≤ct(j)＜t
l
，将频率k
j
处的检测结果记录为d
b
(j)＝1；若ct(j)＜t
b
，将频率k
j
处的检测结果记录为d
b
(j)＝0；将向量d
b
各元素求和并计算与m的比值，即可获得带宽占比参数：
带宽占比参数cf描述了信号带宽与分析频率带宽的比例，带宽占比参数cf越大表明信号带宽越大，因此可利用该参数筛选出宽带信号；设置带宽占比参数阈值f
b
，若cf≥f
b
，表明检测到宽带信号，宽带信号检测结果为1；若cf＜f
b
，则表明未检测到宽带信号，所有频率的检测结果全部替换为0；s3.4窄带线谱和宽带信号分类将s3.2窄带线谱检测和s3.3对应的频率记录下来，可分别获得窄带线谱信号和宽带信号的频率信息，从而实现窄带和宽带信号分类；s4数据流更新经过s1至s3的处理步骤，实现了对t
i
至t
i+g+n-1
时间对应的g+n段数据的一次窄带和宽带信号的检测与分类，下一次的信号检测与分类将从时间t
i+1
开始，再进行s1计算数据相位起伏因子、s2利用相位起伏因子实现信号初步检测和s3基于初步检测结果的窄带和宽带信号分类。2.一种基于权利要求1所述单矢量传感器的信号自主检测与分类方法，其特征在于：s1.5中，时长阈值t1应满足t1≥10*w
l
。3.一种基于权利要求1所述单矢量传感器的信号自主检测与分类方法，其特征在于：s2.1中，由于不同水域的声信道条件不同，设置相位起伏因子门限时需要一定的噪声数据分析结果或先验信息支撑以确保检测结果的稳健性。4.一种基于权利要求3所述单矢量传感器的信号自主检测与分类方法，其特征在于：s2.1中，若需进行长时间信号监测，则需至少每天更新一次基于噪声数据分析的相位起伏因子门限。5.一种基于权利要求1所述单矢量传感器的信号自主检测与分类方法，其特征在于：s3.1中，判断是否开始二次检测的时长阈值t2应满足t2≥2*t1。6.一种基于权利要求1所述单矢量传感器的信号自主检测与分类方法，其特征在于：s3.2中，时长占比参数阈值t
l
的设置范围在0到1之间，具体数值可通过调试实测数据后确认。7.一种基于权利要求6所述单矢量传感器的信号自主检测与分类方法，其特征在于：s3.2中，时长占比参数阈值t
l
设置为0.8，即认为只有存在时长占比超过80％的频点为线谱信号。8.一种基于权利要求1所述单矢量传感器的信号自主检测与分类方法，其特征在于：s3.3中，带宽占比参数阈值f
b
设置范围为0～1。9.一种基于权利要求8所述单矢量传感器的信号自主检测与分类方法，其特征在于：s3.3中，可根据预计检测的最小带宽和分析频率带宽的比值计算出带宽占比参数阈值f
b
。

技术总结
本发明涉及信号处理领域，具体涉及一种基于单矢量传感器的信号自主检测与分类方法；该方法首先利用矢量传感器接收的声压和质点振速数据计算每个频点的相干系数并提取相位，通过分析相位随时间变化的统计特性获得相位起伏因子；然后设置起伏因子门限，利用信号和噪声相位起伏的差异性获得信号的初步检测结果；最后通过信号的初步检测结果进行时长和带宽的二次检测，并将检测结果进行窄带线谱信号和宽带信号分类；相比其他基于频谱能量的信号检测技术，本发明能提供更为稳健的信号自主检测结果，检测结果可进一步用于目标测向与识别。检测结果可进一步用于目标测向与识别。检测结果可进一步用于目标测向与识别。


技术研发人员：郭微 吴艳群 王付印 熊水东 姚琼 马燕新 彭承彦
受保护的技术使用者：中国人民解放军国防科技大学
技术研发日：2023.06.26
技术公布日：2023/9/22