【技术实现步骤摘要】
本专利技术涉及目标识别，尤其涉及一种水中目标识别方法及装置。
技术介绍
1、根据水下目标辐射噪声信号反射回来的信息对目标类别做出判断，是常用的水中目标识别方法，水声目标辐射噪声信号的特点是声源繁多并且集中，频谱组成多样，辐射噪声强度较大。辐射噪声通常由连续分布的宽带噪声和分布在若干个离散频率上的窄带线谱分量构成。低频线谱主要由机械旋转、螺旋桨叶片转动等周期性运动产生，具有较高的强度，且中心频率位于低频、远程传播损失小，是目标被动探测、跟踪和识别的重要信息源。受声源本身辐射能量的起伏、多途效应等影响，线谱幅度存在一定的起伏，同时受线谱来源转速等微弱变化、相对运动参数变化引起的多普勒频移等影响，线谱的频率也会存在一定的变化，因此幅度和频率的稳定性也是线谱的重要特征。掌握目标辐射噪声线谱幅度稳定性特征，可为线谱特征提取方法中幅度门限的选取和优化提供依据，而了解频率稳定性特征，对线谱特征提取方法中频率门限的选取和优化具有重要的指导意义。
2、辐射噪声的组成、产生机理以及传递路径较为复杂，因而使其呈现出非线性以及非平稳的特点，单一的时域或者频域特征不能综合表示信号在时间与频率尺度下的有效信息，无法获得信号在时频域总体变化。因此需要研究多特征融合的方法来获取更具有代表性的特征。
3、在对信号进行特征提取后，通过构造分类器对目标信号进行识别。分类器是对信号特征向量进行训练学习，得到识别目标的判别规则。在该判别规则下，将信号的原始数据集映射到特征空间，用统计的方法把被识别的目标对象归为一类，将非目标对象归为另一类。>
技术实现思路
1、本专利技术所要解决的技术问题在于，提供一种水中目标识别方法及装置，能够提取目标的辐射噪声线谱、调制谱、连续谱和听觉谱特征等，结合支持向量机分类器方法开展决策层融合，实现对目标类型的在线判识研究。
2、为了解决上述技术问题，本专利技术实施例第一方面公开了水中目标识别方法，所述方法包括：
3、s1，获取水中目标辐射噪声数据集，所述水中目标辐射噪声数据集包括n条水中目标辐射噪声数据信息，n为整数；
4、s2，对任意一条水中目标辐射噪声数据信息进行特征参数提取，得到水中目标辐射噪声特征信息；
5、所述水中目标辐射噪声特征信息包括辐射噪声线谱特征信息、调制谱特征信息、连续谱特征信息和听觉谱特征信息；
6、所述水中目标辐射噪声特征信息构成水中目标辐射噪声特征信息集；
7、s3，对所述水中目标辐射噪声特征信息集进行划分，得到训练集和测试集；
8、s4，利用所述训练集对预设的水中目标识别模型进行训练，得到训练水中目标识别模型；
9、s5，利用所述训练水中目标识别模型，对所述测试集进行处理，得到水中目标识别结果。
10、作为一种可选的实施方式，在本专利技术实施例第一方面中，所述辐射噪声线谱特征信息的计算方法包括：
11、对任意一条水中目标辐射噪声数据信息进行功率谱分析，得到功率谱图；
12、对所述功率谱图进行滤波处理，得到拉平的功率谱图；
13、利用预设的幅度门限和预设的频率门限，对所述拉平的功率谱图进行处理，得到目标辐射噪声线谱；
14、对所述目标辐射噪声线谱进行处理，得到辐射噪声线谱特征信息；
15、所述辐射噪声线谱特征信息包括线谱幅度的均值、线谱幅度的相对标准偏差、线谱中心频率的均值和线谱中心频率的相对标准偏差。
16、作为一种可选的实施方式，在本专利技术实施例第一方面中，所述调制谱特征信息的计算方法包括：
17、利用包络时域模型，对任意一条水中目标辐射噪声数据信息进行处理，得到时域包络信息；
18、利用包络频域模型，对任意一条水中目标辐射噪声数据信息进行处理，得到频域包络信息；
19、所述时域包络信息和所述频域包络信息构成调制谱特征信息。
20、作为一种可选的实施方式，在本专利技术实施例第一方面中，所述连续谱特征信息的计算方法包括：
21、对任意一条水中目标辐射噪声数据信息进行处理，得到时频谱图；
22、在所述时频谱图上选取四个观察平面；
23、在所述四个观察平面上，获取其等高线的点集；
24、将所述时频谱图的有效频率范围分为m段，按频率统计每段与所述等高线的点集的交点个数，得到特征向量信息；
25、对所述特征向量信息进行处理，得到峰值频率、上升速率和衰减速率；
26、所述峰值频率、上升速率和衰减速率构成连续谱特征信息。
27、作为一种可选的实施方式，在本专利技术实施例第一方面中，所述听觉谱特征信息的计算方法包括：
28、对任意一条水中目标辐射噪声数据信息进行预处理，得到预处理辐射噪声数据信息；
29、对所述预处理辐射噪声数据信息进行频带划分，得到临界频带辐射噪声数据信息；
30、对所述临界频带辐射噪声数据信息进行滤波，得到滤波数据信息；
31、对所述滤波数据信息进行倒谱计算，得到听觉谱特征信息。
32、作为一种可选的实施方式，在本专利技术实施例第一方面中，所述利用所述训练集对预设的水中目标识别模型进行训练，得到训练水中目标识别模型，包括：
33、s41，设置预设的水中目标识别模型的惩罚参数c和rbf核参数σ的搜索范围；
34、s42，在所述搜索范围内，以预设的固定搜索步长沿着所述惩罚参数c和rbf核参数σ的不同增长方向生成二维网格，所述二维网格中的节点对应每一组c、σ的值；
35、s43，计算每一组c、σ在所述训练集下的多折交叉验证准确率；
36、s44，将所述多折交叉验证准确率最高的那组c、σ作为最佳参数模型参数；
37、s45，利用所述最佳参数模型参数训练预设的水中目标识别模型，得到训练水中目标识别模型。
38、作为一种可选的实施方式，在本专利技术实施例第一方面中，所述利用所述训练水中目标识别模型，对所述测试集进行处理，得到水中目标识别结果，包括：
39、s51，预设n个训练水中目标识别模型；
40、s52，利用n个训练水中目标识别模型对所述测试集进行处理，得到n个测试结果；
41、s53，利用贝叶斯推理方法对所述n个测试结果进行决策融合，得到水中目标识别结果。
42、本专利技术第二方面公开了一种水中目标识别装置，所述装置包括：
43、数据获取模块，用于获取水中目标辐射噪声数据集，所述水中目标辐射噪声数据集包括n条水中目标辐射噪声数据信息，n为整数；
44、特征提取模块，用于对任意一条水中目标辐射噪声数据信息进行特征参数提取，得到水中目标辐射噪声特征信息；
45、所述水中目标辐射噪声特征信息包括辐射噪声线谱特征信息、调制谱特征信息、连续谱特征信息和听觉谱特征信息；
46、所述水中目标辐本文档来自技高网...
【技术保护点】
1.一种水中目标识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的水中目标识别方法，其特征在于，所述辐射噪声线谱特征信息的计算方法包括：
3.根据权利要求1所述的水中目标识别方法，其特征在于，所述调制谱特征信息的计算方法包括：
4.根据权利要求1所述的水中目标识别方法，其特征在于，所述连续谱特征信息的计算方法包括：
5.根据权利要求1所述的水中目标识别方法，其特征在于，所述听觉谱特征信息的计算方法包括：
6.根据权利要求1所述的水中目标识别方法，其特征在于，所述利用所述训练集对预设的水中目标识别模型进行训练，得到训练水中目标识别模型，包括：
7.根据权利要求1所述的水中目标识别方法，其特征在于，所述利用所述训练水中目标识别模型，对所述测试集进行处理，得到水中目标识别结果，包括：
8.一种水中目标识别装置，其特征在于，所述装置包括：
9.一种水中目标识别装置，其特征在于，所述装置包括：
10.一种计算机可存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所
...【技术特征摘要】
1.一种水中目标识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的水中目标识别方法，其特征在于，所述辐射噪声线谱特征信息的计算方法包括：
3.根据权利要求1所述的水中目标识别方法，其特征在于，所述调制谱特征信息的计算方法包括：
4.根据权利要求1所述的水中目标识别方法，其特征在于，所述连续谱特征信息的计算方法包括：
5.根据权利要求1所述的水中目标识别方法，其特征在于，所述听觉谱特征信息的计算方法包括：
6.根据权利要求1所述的水中目标识别方法，其特征在于，所...
【专利技术属性】
技术研发人员：黄猛，石敏，唐琳，吕亚飞，代维凯，刘雪娇，
申请(专利权)人：中国人民解放军九一九七七部队，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。