基于时频特征与排列熵的船舶噪声信号识别方法的研究

• 全文链接
• 请求原文

作   者：

刘夏扬;  李晶;  于华鹏;  赵国新;  杨淑洁; 

作者机构：

北京石油化工学院信息工程学院;  军事科学院国防创新研究中心;  浙江海洋大学海洋工程装备学院; 

关键词：

长短期记忆网络;  特征提取;  希尔伯特-黄变换;  加权排列熵; 

期刊名称：

北京石油化工学院学报

i s s n：

1008-2565

年卷期：

2022 年 30 卷 003 期

页   码：

43-50

摘   要：

针对复杂海洋环境下船舶噪声信号噪声干扰、清晰度低导致的识别准确率不高的问题,提出了一种基于时频域特征与排列熵的特征提取及识别方法,分别利用经典模态分解法(Empirical Mode Decomposition,EMD)将原始的信号分解为多个本征模函数(Intrinsic modal function,IMF)并结合反向加权排列熵进行筛选,利用希尔伯特变换(Hilbert-Huang transform,HHT)进行时频分析并结合加权排列熵(Weighted Permutation Entropy,WPE)组建特征向量作为输入;利用长短期记忆网络(LSTM)对真实船舶噪声信号进行识别.结果表明,对比基于单一特征的识别方法,该方法的识别率可达到99.40%.