摘要
本发明公开了一种水声通信信号的检测分割和识别方法,属于信号处理技术领域。构建高斯混合模型,并利用历史数据或仿真数据训练生成高斯混合预测模型,获得Kullback‑Leibler散度用于判断获取的水声信号中有无水声通信信号;利用短时分数阶傅里叶变换获取不同水声数据的短时分数阶时频特征;设计自适应形态学滤波方法对得到的水声数据短时分数阶时频特征进行形态滤波,并利用霍夫变换方法进行形态检测,分割出水声通信信号;提取短时分数阶时频特征和循环谱等高线图、平方功率谱特征;设计多尺度融合的多头自注意力机制,并利用历史数据训练生成识别模型,实现水声通信信号调制模式的识别。本发明提高了低信噪比下水声通信信号检测能力实现了高效检测分割与识别。
技术关键词
水声通信信号
二维图像矩阵
水声数据
霍夫变换方法
识别方法
高斯混合模型
功率谱特征
轻量化神经网络
混合预测模型
二进制频移键控信号
注意力
形态学滤波方法
高斯概率密度函数
分数阶傅里叶变换
形态学滤波器
相移键控信号
像素点