多尺度样本熵在水面舰船识别中的应用研究

ｓａｎｌ—
ｐｉｅ ｅｎｔｒｏｐｙ ｍｅｔｈｏｄ ｉｎ ｄｅｆｉｎｉｔｉｏｎ ｏｆ ｃｏｍｐｌｅｘｉｔｙ ｏｆ ｄｉｓｃｒｅｔｅ ｓｉｇｎａｌ．ｉｎ ｔｈｉｓ ｐａｐｅｒ ｔｈｉｓ ｍｅｔｈｏｄ ｉｓ ａｄｏｐｔｅｄ ｆｏｒ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｕｎｄｅｒｗａｔｅｒ
ｃｏｕｓｔｉｅ
ａ—
ｓｉｇｎａｌｓ ｏｆ Ｓｕｒｆａｃｅ ｖｅｓｓｅｌ．Ｆｉｒｓｔ，ｔｈｅ ｖａｌｕｅｓ ｏｆ ｕｎｄｅｒｗａｔｅｒ ａｃｏｕｓｔｉｃ ｓｉｇｎａｌｓ
的改进由Ｒｉｃｈｍａｎ和Ｍｏｏｎｎａｎ等人［６］提出，它能够有效地描述水下目标水声信号的特点并捕捉到其重要 的非线性特征。但是由于海洋环境的复杂性和水下目标水声信号的来源不同（螺旋桨噪声、水动力噪声和 振动噪声等），单一样本熵对其描述的不够精确，在不同尺度上可能会对不同源的水声信号有更精确的描 述。进而本文将单一尺度样本熵扩展到多尺度样本熵，从而获得更多水下目标水声信号信息。
上计算一维时问信号的熵值对度量一维时问信号的复杂性更有意义。 多尺度的方法，假设一个一维时问信号戈（ｉ）（ｉ＝１，２，…，Ⅳ），其中Ｎ为一维时问信号的长度。在不重 叠的窗口中，即平均连续的数据点的值，因此，平均连续粗糙的一维时问信号可以由式（６）计算得出：
影力＝寺：。砉州戈一≤歹≤了Ｎ
节在每个粗糙的一维时问信号｛ｙ＿’｝上计算熵值，重新构建包含ｍ维的新粗糙的一维时问信号匕（ｉ）。
表１水面舰船样本类别及数量
能，我们共采集６艘商船的水声信号并建立了水面舰
船水声信号数据集，其中每艘商船样本的数量如表１
所示，数据集中每个样本的采样时问为ｌＯｓ，采样频率 为２７ｋＨｚ。数据集建立后，考虑到水面舰船的水声信
号主要集中在低频段和消除数据中样本差异的因素， 首先对水声信号进行进行降采样处理和归一化处理。
本文于２０１４—０７—１１收到。 ＊基金项目：国家自然科学基金（６１３７２１８０）。
万方数据
５期
刘磊等：多尺度样本熵在水面舰船识别中的应用研究
２９
中，仿真结果表明该方法具有较高的识别率。目前，提出的水下目标水声信号分析方法主要集中在时域、频 域或时频域上，由于水声信号是一种非平稳非线性信号，这些方法并没有揭示其非线性特性，且在一些文献 中［４，５］表明水下目标水声信号特性又与信号的规律性增加或由于相关性减弱而引起的复杂度降低这一规 律紧密关联。因此，本文提出样本熵方法分析水下目标水声信号，样本熵方法作为近似熵复杂度评价方法
本文中采用多尺度样本熵方法分析来自于６条不同船的水声信号，首先在不同尺度上计算水声信号的
样本熵值，然后将样本熵值作为水面舰船特征并利用支持向量机（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ，简称ＳＶＭ）分类器 进行分类识别，最终在实际环境中采集并建立的水声信号数据集上验证本文提出的水面舰船水声信号识别
ｃ（ｒ）２矿＿＿ｈｕｍ｛ｄ ＥＸ（ｉ），ｘ（歹）］＜ｒ｝，ｉ＝１“２一，Ｎ—ｍ＋１，ｉ≠歹
（４）对所有的ｉ取平均值，记做Ｂ“（ｒ），即为：
（３）
Ｂ“（ｒ）２矿＿品；ｃ了（ｒ）
一
＿¨ｖ—ｈｉ，＋ｌ
（４）
（５）将维数加１，变成ｍ＋１，重复１）一４）的过程，得到钟“（ｒ）和Ｂ”１。
（６）此序列的样本熵为 ＳａｍｐＥｎ（ｍ，ｒ）＝ｌｉｒａ｛一ｌｎ［Ｂ“１（ｒ）／Ｂ“（ｒ）］｝ ２．２多尺度方法 多尺度方法最早由Ｚｈａｎｇ［７］等人提出，它是一种考虑不同尺度上信号复杂性的度量方法。在多尺度基 （５）
ａｒｅ
ａｒｅ
ｃａｌｃｕｌａｔｅｄ ｂｙ ｎｍｌｔｉ—ＳＣａｌｅ ｓａｍｐｌｅ ｅｎｔｒｏｐｙ ｍｅｔｈｏｄ．
ｖｅｃｔｏｒ
Ｔｈｅｎ．ｔｈｅ ｃａｌｃｕｌａｔｅｄ ｖａｌｕｅｓ ｗｈｉｃｈ
ｖｉｅｗｅｄ
ａＳ
ｔｈｅ ｆｅａｔｕｒｅｓ ｏｆ Ｓｕｒｆａｃｅ ｖｅｓｓｅｌ
ａｒｅ
ｆｅｄ ｉｎｔｏ ｓｕｐｐｏｒｔ
ｍａｃｈｉｎｅ（ＳＶＭ）ｃｌａｓｓｉｆｉｅｒ ｆｏｒ
１
引言
水下目标的辐射噪声在水中具有良好的传播性并包含了其自身大量信息，因此，利用有效的分析方法
能够高效地对其进行检测和识别。近些年来，大量的现代化设备和方法被应用在水声信号分析中，从而大
大提高了水下目标检测与识别性能。例如，李秀坤等人［１］提出分数阶傅里叶变换方法用于水下目标特征
提取，从而使目标和混响呈现明显不同的特征。在Ｈｉｌｂｅｒｔ—Ｈｕａｎｇ变换方法［２］提取水下目标特征研究中， 研究结果表明混响与目标信号的希尔伯特谱特征明显不同。石敏等人［３］将小波变换方法应用在水下目标
（２）定义Ｘ（ｉ）与Ｘ（ｊ）问的距离ｄ［Ｘ（ｉ），Ｘ（ｊ）］为：Ｘ（ｉ）与Ｘ（ｊ）信号问对应元素中差值最大的一 个，即：
ｄ［ｘ（ｉ），Ｘ（ｊ）］＝ｍａｘ ｘ（ｉ＋ｋ），Ｘ（ｊ＋ｋ）ｌ （２）
其中，ｋ为０一ｍ一１问的变化的整数，此时ｘ（ｉ）和Ｘ（ｊ）中的其它对应元素之问差值自然都小于ｄ，对每一 个ｘ（ｉ）计算与其余矢量Ｘ（ｊ）的距离ｄ［ｘ（ｉ），Ｘ（ｊ）］，（ｉ＝１，２，…，』７、Ｔ—ｍ＋１）。 （３）根据给定常数ｒ（ｒ＞０）（判断两一维时问信号是否匹配的指标），对每一个ｉ值统计ｄ［ｘ（ｉ），Ｘ（ｊ）］ ＜ｒ的数目及此数目与总矢量个数Ｎ—ｍ＋１的比值，将此记作钟（ｒ）。
ｋ（厶）＝［Ｙ¨’（厶），Ｙ¨’（厶＋１），Ｙ㈩（厶＋２），…，Ｙ‘７’（厶＋ｍ一１）］
（６）
式（６）中，丁为尺度因子，当尺度为１时，计算得到的粗糙一维时问信号仍为原始的一维时问信号。本
（７１
对每个粗糙一维时问信号计算样本熵值，从而获得用于分析水面舰船水声信号的多尺度的样本熵值。
３实验结果与分析
为了验证多尺度样本熵在水面舰船识别中的性
５期
刘磊等：多尺度样本熵在水面舰船识别中的应用研究
３１
实验结果表明采用多尺度样本熵方法分析水声信号对于水面舰船的识别和分类具有较好的性能。 参考文献
［１］李秀坤，秦宇．应用分数傅立叶变换方法的水下目标特征提取［Ｊ］．声学技术，２０１０，２９（１）：２３—２７ ［２］王锋，尹力，朱明洪．基于Ｈｉｌｂｅｒｔ—Ｈｕａｎｇ变换的水声信号特征提取及分类技术［Ｊ］．应用声学，２００７，２６（４）：２２３—２３０ ［３］石敏，徐袭．小波包熵在水下目标识别中的应用研究［Ｊ］．计算机工程与应用，２０１４，５０（１）：２１５—２１７ ［４］石敏，徐袭，张纪铃，岳剑平．基于改进小波能熵的水下目标识别［Ｊ］．舰船电子工程，２０１２，３２（８）：４８—４９ ［５］凌继平，黄定东，邓异，刘仁杰．基于递归图和近似熵的水下目标特征提取方法［Ｊ］．计算机与数字工程，２０１２，３９
第３卷第５期 ２０１４年９月
Ｖ０１．３ Ｎｏ．５
网络新媒体技术
Ｓｅｐ．２０１４
多尺度样本熵在水面舰船识别中的应用研究水
刘
磊１
鲍习中１
陈新华１’２
张志博１
孙长瑜１
１００１９０
（１中国科学院声学研究所微弱信号检测与处理实验室北京
２中国科学院水声环境特眭重点实验室北京１００１９０）
摘要：通过大量研究分析表明水面舰船的水声信号能够对其进行检测与识别并具有较好的性能，由于多尺度样本熵方法在离 散信号分析中能够准确的定义其复杂性，本文采用多尺度样本熵方法分析水面舰船的水声信号。首先，利用多尺度样本熵方 法计算不同水面舰船的水声信号。然后，将计算得到的多尺度样本熵值作为水面舰船特征，并采用支持向量机（ＳＶＭ）分类器 对水面舰船进行分类和识别。实验结果表明，本文提出的方法在水面舰船识别中具有较好的性能。 关键词：水面舰船识别，特征提取，多尺度样本熵
识别精度明显高于另外两种方法的识别精度。此
嚣
９ ２ ５ Ｈ ５ ３ Ｏ １ ４ ８ ０ ５ ０ １ １ ２ ｂ ５ ０ ３ ７
弭
４ Ｏ ９
加
外，由表３所示本文提出的方法在每类舰船数据
中均可完成可接受的识别结果。综合实验结果表
实际类别
２ Ｏ １
勉
， ８
加
５
明采用多尺度样本熵方法分析水面舰船水声信号
具有较好的分类性能。
Ｓｃｉｅｎｃｅｓ，Ｂｅｒｉｎｇ，１００１９０，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａ ｌｏｔ ｏｆ ｒｅｓｅａｒｃｈ ｒｅｓｕｌｔｓ ｒｅｖｅａｌ ｔｈａｔ ｔｈｅ ｕｎｄｅｒｗａｔｅｒ ａｃｏｕｓｔｉｃ ｓｉｇｎａｌｓ ｉｎｃｌｕｄｅ ｍｕｃｈ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｔｈｅ ｓｕｒｆａｃｅ ｖｅｓｓｅｌ，ｗｈｉｃｈ ｃｏｕｌｄ ｂｅ ｕｓｅｄ ｉｎ ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｔｈｅ Ｓｕｒｆａｃｅ ｖｅｓｓｅｌ．Ｍｏｒｅｏｖｅｒ ｉｎ ｖｉｅｗ ｏｆ ｔｈｅ ｇｏｏｄ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｎｍｌｔｉ—ＳＣａｌｅ
ＡＳｔｕｄｙ ｏｆ Ｓｕｒｆａｃｅ Ｖｅｓｓｅｌ Ｒｅｃｏｇｎｉｔｉｏｎ Ｂａｓｅｄ
ｏｎ
Ｍｕｌｔｉ—－ｓｃａｌｅ Ｓａｍｐｌｅ
Ｅｎｔｒｏｐｙ
ＬＩＵ Ｌｅｉｌ，ＢＡ０ Ｘｉｚｈｏｎ９１，ＣＨＥＮ Ｘｉｎｈｕａｌ”，ＺＨＡＮＧ Ｚｈｉｂ０１，ＳＵＮ Ｃｈａｎｇｙｕｌ （１ Ｗｅａｋ Ｓｉｇｎａｌ Ｄｅｔｅｃｔｉｎｇ＆Ｐｒｏｃｅｓｓｉｎｇ Ｌａｂｏｒａｔｏｒｙ－，Ｉｎｓｔｉｔｕｔｅ
万方数据
３０
Ｊ冽络新媒体技术
２０１４年
础上Ｃｏｓｔａ等人［８］提出多尺度熵，与只考虑一维时问信号单独一个方面的近似熵方法和样本熵方法相比 较，Ｃｏｓｔａ等人进一步提出了所谓多尺度熵的概念，以揭示一维时问信号的规律性和一维时问信号生成系统
的潜在动态规律，与传统熵的定义相比它能够更合理的定义一维时问信号的复杂性，同时通过在不同尺度
方法的有效性。 本章的内容：首先，描述了样本熵分析方法和多尺度方法。然后，利用所提出的识别方法进行分类识别 实验并给出实验结果。最后，对本文提出的水面舰船识别方法进行简要分析和结论性评价。
２多尺度样本熵方法