一種水聲信號(hào)的預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于水聲信號(hào)處理技術(shù)領(lǐng)域，設(shè)及一種水聲信號(hào)的預(yù)測(cè)方法。
【背景技術(shù)】
[0002] 文獻(xiàn)"基于PS0和RBF神經(jīng)網(wǎng)絡(luò)的水聲信號(hào)建模與預(yù)測(cè)，計(jì)算機(jī)工程，2008， Vol. 34 (23)，P208-209, 213"公開了一種水聲信號(hào)建模與預(yù)測(cè)方法，在自增加聚類算法確定 RBF神經(jīng)網(wǎng)絡(luò)基函數(shù)中屯、個(gè)數(shù)的基礎(chǔ)上，運(yùn)用改進(jìn)的粒子群優(yōu)化算法對(duì)其距離闊值進(jìn)行優(yōu) 化，結(jié)合最小二乘法確定網(wǎng)絡(luò)輸出權(quán)值，并將得到的RBF網(wǎng)絡(luò)用于水聲信號(hào)預(yù)測(cè)，預(yù)測(cè)值與 實(shí)際值吻合較好，其均方根誤差為0. 1659。但是需要說明的是，其建模方法并沒有給出水聲 信號(hào)的準(zhǔn)確數(shù)學(xué)表達(dá)式，另外，預(yù)測(cè)的均方根誤差較大。文獻(xiàn)"水聲信號(hào)預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)方 法，聲學(xué)技術(shù)，2006, Vol. 25 (3)，226-229"公開了一種水聲信號(hào)預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)方法，采用 人工神經(jīng)網(wǎng)絡(luò)技術(shù)，研究了水聲信號(hào)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)，討論了預(yù)測(cè)模型的建立和網(wǎng)絡(luò)結(jié)構(gòu) 參數(shù)的設(shè)計(jì)。但是需要說明的是，該些建模方法并沒有給出水聲信號(hào)的準(zhǔn)確數(shù)學(xué)表達(dá)式。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)存在的缺陷和不足，提供一種基于遺傳算法的水 聲信號(hào)預(yù)測(cè)方法。
[0004] 為實(shí)現(xiàn)上述目的，本發(fā)明包括W下步驟：
[0005]步驟（a)，利用遺傳算法對(duì)實(shí)測(cè)水聲信號(hào)W Volterra級(jí)數(shù)模型作為基本模型框架 建立數(shù)學(xué)模型，并對(duì)每一個(gè)可能的模型進(jìn)行遺傳編碼；
[0006] 步驟化），使用最小二乘法計(jì)算出模型系數(shù)，在得到模型系數(shù)后，使用評(píng)價(jià)數(shù)據(jù)來 計(jì)算模型的預(yù)測(cè)誤差，使用該誤差作為模型好壞的評(píng)價(jià)準(zhǔn)則；
[0007] 步驟（C)，進(jìn)行遺傳操作：
[0008] 交叉繁殖；將兩個(gè)模型的項(xiàng)按照一定的規(guī)律分別排序，在兩個(gè)序列中各隨機(jī)選擇 一個(gè)交叉點(diǎn)，然后交換序列的后半部分，該樣便得到兩個(gè)新的模型，作為交叉繁殖的后代；
[0009] 變異；隨機(jī)生成模型的一個(gè)項(xiàng)，然后隨機(jī)替換掉模型原來的一個(gè)項(xiàng)，完成變異；
[0010] 步驟（d)，計(jì)算水聲信號(hào)預(yù)測(cè)模型的均方根誤差與信誤比，根據(jù)定量分析該建模方 法的預(yù)測(cè)精度。
[0011] 所述步驟（a)包括；1)采用Volterra級(jí)數(shù)模型作為基本模型框架：
[0012]
[001引 對(duì)于N個(gè)變量的M階的Volterra模型，一共有1+N+N2+'''+nm項(xiàng)；W Volterra模 型為基礎(chǔ)，選擇一定的項(xiàng)來組成新的模型，而組成模型的項(xiàng)的選擇由遺傳算法完成；
[0014] 2)對(duì)每一項(xiàng)進(jìn)行編碼；模型的項(xiàng)，有W下的通用表示：
[0017]對(duì)于巧
用向量a= (ni，ri2，…，r〇T來表示；多個(gè)向量組成一個(gè)矩陣，表 示一個(gè)模型，矩陣的每個(gè)列向量表示模型的一個(gè)項(xiàng)，矩陣的列數(shù)即為模型的項(xiàng)數(shù)。
[001引所述步驟（d);
[002引式中；x (n)--n時(shí)刻的實(shí)測(cè)值；
[0024] x{n)--n時(shí)刻的預(yù)測(cè)值。
[0025] 與現(xiàn)有技術(shù)相比，本發(fā)明具有W下有益的技術(shù)效果；本發(fā)明鑒于水聲信號(hào)形成機(jī) 理較為復(fù)雜，難W建立準(zhǔn)確的數(shù)學(xué)模型及預(yù)測(cè)的均方根誤差較大該些問題，提出了基于遺 傳算法的水聲信號(hào)預(yù)測(cè)方法，對(duì)實(shí)測(cè)水聲信號(hào)，利用遺傳算法來確定舍棄哪些Volterra級(jí) 數(shù)項(xiàng)，保留哪些Volterra級(jí)數(shù)項(xiàng)，然后通過最小二乘法計(jì)算各項(xiàng)的系數(shù)，進(jìn)而得出水聲信 號(hào)的數(shù)學(xué)表達(dá)式。通過計(jì)算水聲信號(hào)預(yù)測(cè)的均方根誤差與信誤比，定量分析該建模方法的 預(yù)測(cè)精度。
[0026] 通過對(duì)實(shí)測(cè)水聲信號(hào)進(jìn)行建模和預(yù)測(cè)處理，得到了較為滿意的結(jié)果。結(jié)果表明，采 用該建模和預(yù)測(cè)方法對(duì)水聲信號(hào)進(jìn)行建模和預(yù)測(cè)處理是一種行之有效的方法，在水聲信號(hào) 的降噪、提取與分類等領(lǐng)域具有重要作用。
【附圖說明】
[0027] 圖1為本發(fā)明第一類水聲信號(hào)的實(shí)測(cè)數(shù)據(jù)與一步預(yù)測(cè)數(shù)據(jù)；
[0028] a)實(shí)測(cè)數(shù)據(jù)與一步預(yù)測(cè)數(shù)據(jù)（2048點(diǎn)）；
[0029] b)實(shí)測(cè)數(shù)據(jù)與一步預(yù)測(cè)數(shù)據(jù)（200點(diǎn)）；
[0030] 圖2為本發(fā)明第二類水聲信號(hào)的實(shí)測(cè)數(shù)據(jù)與一步預(yù)測(cè)數(shù)據(jù)；
[0031] a)實(shí)測(cè)數(shù)據(jù)與一步預(yù)測(cè)數(shù)據(jù)（2048點(diǎn)）；
[0032] b)實(shí)測(cè)數(shù)據(jù)與一步預(yù)測(cè)數(shù)據(jù)（200點(diǎn)）；
[0033] 圖3為本發(fā)明第S類水聲信號(hào)的實(shí)測(cè)數(shù)據(jù)與一步預(yù)測(cè)數(shù)據(jù)；
[0034] a)實(shí)測(cè)數(shù)據(jù)與一步預(yù)測(cè)數(shù)據(jù)（2048點(diǎn)）；
[00巧]b)實(shí)測(cè)數(shù)據(jù)與一步預(yù)測(cè)數(shù)據(jù)（200點(diǎn)）；
[0036] 圖4為本發(fā)明第四類水聲信號(hào)的實(shí)測(cè)數(shù)據(jù)與一步預(yù)測(cè)數(shù)據(jù)；
[0037] a)實(shí)測(cè)數(shù)據(jù)與一步預(yù)測(cè)數(shù)據(jù)（2048點(diǎn)）；
[003引b)實(shí)測(cè)數(shù)據(jù)與一步預(yù)測(cè)數(shù)據(jù)（200點(diǎn)）。
【具體實(shí)施方式】
[0039] 下面結(jié)合附圖和【具體實(shí)施方式】對(duì)本發(fā)明做進(jìn)一步詳細(xì)描述。
[0040] 本發(fā)明方法完整包括W下步驟：
[0041] 步驟（a)，利用遺傳算法對(duì)實(shí)測(cè)水聲信號(hào)WVolterra級(jí)數(shù)模型作為基本模型框架 建立數(shù)學(xué)模型，并對(duì)每一個(gè)可能的模型進(jìn)行遺傳編碼；
[0042] 1)采用Volterra級(jí)數(shù)模型作為基本模型框架：
[0043]
[0044] 對(duì)于N個(gè)變量的M階的Volterra模型，一共有1+N+N2+... +N"項(xiàng)；WVolterra模 型為基礎(chǔ)，選擇一定的項(xiàng)來組成新的模型，而組成模型的項(xiàng)的選擇由遺傳算法完成；
[0045] 2)對(duì)每一項(xiàng)進(jìn)行編碼；模型的項(xiàng)，有W下的通用表示：
[004引對(duì)于巧
用向量曰=相，ri2，…，r0T來表示；多個(gè)向量組成一個(gè)矩陣，表 示一個(gè)模型，矩陣的每個(gè)列向量表示模型的一個(gè)項(xiàng)，矩陣的列數(shù)即為模型的項(xiàng)數(shù)。
[0049] 在了解數(shù)據(jù)形成原理過程的情況下，通?？蒞根據(jù)數(shù)據(jù)的產(chǎn)生原理，建立準(zhǔn)確的 預(yù)測(cè)模型（模型參數(shù)可W待解）。但是，水聲信號(hào)的形成機(jī)理較為復(fù)雜，難W建立準(zhǔn)確的模 型。而在非線性動(dòng)力系統(tǒng)中最基本的模型是Volterra級(jí)數(shù)模型。理論上，任何非線性動(dòng)力 學(xué)系統(tǒng)都可W由Volterra級(jí)數(shù)模型來表示。特別地，當(dāng)采用Volterra級(jí)數(shù)模型來表示非 線性動(dòng)力系統(tǒng)時(shí)，它的物理意義明確和普適性強(qiáng)。
[0050] 步驟化），建立模型評(píng)價(jià)標(biāo)準(zhǔn)，使用最小二乘法計(jì)算出模型系數(shù)，在得到模型系數(shù) 后，使用評(píng)價(jià)數(shù)據(jù)來計(jì)算模型的預(yù)測(cè)誤差，使用該誤差作為模型好壞的評(píng)價(jià)準(zhǔn)則。
[0051] 在建立實(shí)測(cè)水聲時(shí)間序列的預(yù)測(cè)模型過程中，可將預(yù)測(cè)精度作為模型好壞的評(píng)價(jià) 標(biāo)準(zhǔn)。在本模型中，使用最小二乘法來計(jì)算模型系數(shù)，所W模型的預(yù)測(cè)精度一定是隨模型 項(xiàng)數(shù)的增加而增加的，但實(shí)際上增加的多項(xiàng)式項(xiàng)并不一定反映數(shù)據(jù)的真實(shí)規(guī)律。為了解決 該個(gè)問題，將選擇一部分?jǐn)?shù)據(jù)作為訓(xùn)練數(shù)據(jù)，另外一部分?jǐn)?shù)據(jù)作為評(píng)價(jià)數(shù)據(jù)。即對(duì)于某一模 型，使用訓(xùn)練數(shù)據(jù)，通過最小二乘法計(jì)算出模型系數(shù)；在得到模型系數(shù)后，使用評(píng)價(jià)數(shù)據(jù)來 計(jì)算模型的預(yù)測(cè)誤差，將該誤差作為模型好壞的評(píng)價(jià)準(zhǔn)則。
[0052] 步驟（C)，進(jìn)行遺傳操作：
[0053] 交叉繁殖；將兩個(gè)模型的項(xiàng)按照一定的規(guī)律分別排序，在兩個(gè)序列中各隨機(jī)選擇 一個(gè)交叉點(diǎn)，然后交換序列的后半部分，該樣便得到兩個(gè)新的模型，作為交叉繁殖的后代；
[0054] 變異；隨機(jī)生成模型的一個(gè)項(xiàng)，然后隨機(jī)替換掉模型原來的一個(gè)項(xiàng)，完成變異；
[0055] 步驟（d)，計(jì)算水聲信號(hào)預(yù)測(cè)模型的均方根誤差與信誤比，根據(jù)定量分析該建模方 法的預(yù)測(cè)精度。
[0060] 式中；x(n)--n時(shí)刻的實(shí)測(cè)值；
[0061] x{n)-n時(shí)