基于时频特征与排列熵的船舶噪声信号识别方法的研究

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％.