一种基于机器学习的水声信号处理算法的制作方法

技术特征：
1.一种基于机器学习的水声信号处理算法，其特征在于，包括以下步骤：步骤一、设定本方案的约束条件；步骤二、设定每个波束上的信号方差为γ＝[γ1,γ2,...γ
m
]
t
∈r
m
，令γ
m
＝1，m＝1,2,...m，设定加性噪声方差初始值σ2＝0.1，设定收敛速度阈值ε
min
＝0.001以及迭代次数最大值j
max
＝500；步骤三、计算观测矩阵y的协方差矩阵σ
y
，σ
y
＝σ2i
n
aγa
h
其中，i
n
为n阶单位矩阵，γ＝diag(γ)，a为阵列导向矢量矩阵，且a＝[a1,...,a
m
]∈c
n
×
m
，c为水中声速，ω为角频率，m为波束数，步骤四、采用em准则更新γ的第m个元素和噪声方差σ2；步骤五、更新收敛速度ε＝||γ
new-γ
old
||1/||γ
old
||1；步骤六、迭代步骤三至步骤五，直到收敛速度大于阈值或者达到最大迭代次数；步骤七、输出γ
new
和(σ2)
new
，根据γ
new
确定来波方向。2.根据权利要求1所述的一种基于机器学习的水声信号处理算法，其特征在于，本方案的约束条件为：阵列为均匀线列阵，阵元数为n，阵元间距为d；信源信号为远场窄带信号，阵元数要大于信号个数；传播介质是均匀且各向同性的；观测噪声为加性噪声，符合均值为0，方差为σ2的高斯分布，噪声与入射信号相互独立。3.根据权利要求1所述的一种基于机器学习的水声信号处理算法，其特征在于，在步骤三中，γ的第m个元素和噪声方差σ2为：为：其中，l为快拍数，y为阵列观测数据矩阵，μ
x
为信源x的均值且

技术总结
本发明涉及一种基于机器学习的水声信号处理算法，该算法采用EM准则估计信号和噪声的功率，使水声信号处理算法可得到超分辨的谱估计。与传统方法相比，该算法无需已知信号的数量，可用于低信噪比、快拍数较少情况下的相干信号的处理。信号的处理。信号的处理。


技术研发人员：陆桦
受保护的技术使用者：北京中安智能信息科技有限公司
技术研发日：2022.06.01
技术公布日：2022/9/6