一种基于双频回波信号特征的水下目标识别方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115878982A(43)申请公布日2023.03.31(21)申请号202211571572.6(22)申请日2022.12.08(71)申请人中国海洋大学地址266100山东省青岛市崂山区松岭路238号(72)发明人吕曜辉蔡星星李兴顺(74)专利代理机构南京泉为知识产权代理事务所(特殊普通合伙)32408专利代理师许丹丹(51)Int.Cl.G06F18/213(2023.01)G01S7/539(2006.01)G06F18/24(2023.01)G06N3/0464(2023.01)G06N3/09(2023.01)权利要求书2页说明书6页附图2页(54)发明名称一种基于双频回波信号特征的水下目标识别方法及系统(57)摘要本发明公开了一种基于双频回波信号特征的水下目标识别方法及系统。所述方法包括：对获取的不同频段的水声目标回波信号数据样本，提取每一个样本的时频特征；将相同目标回波的两个频段的时频特征图分别放入两个通道进行组合，形成双频回波信号的时频特征图；以每一个样本的时频特征作为样本数据，相同目标的水声回波数据样本标注相同的标签，不同目标的水声回波数据样本标注不同标签，形成训练集；以训练集作为卷积神经网络的输入，进行训练，得到基于卷积神经网络的识别模型；利用训练好的识别模型，对经过特征提取的水声回波数据进行目标识别。本发明识别准确率高，且网络结构简单，参数少，便于应用。CN115878982ACN115878982A权利要求书1/2页1.一种基于双频回波信号差异的水下目标识别方法，其特征在于，包括以下步骤：(1)对获取的不同频段的水声目标回波信号数据样本，提取每一个样本的时频特征；(2)将相同目标回波的两个频段的时频特征图分别放入两个通道进行组合，形成双频回波信号的时频特征图；(3)以每一个样本的时频特征作为样本数据，相同目标的水声回波数据样本标注相同的标签，不同目标的水声回波数据样本标注不同标签，形成训练集；(4)以训练集作为卷积神经网络的输入，进行训练，得到基于卷积神经网络的识别模型；(5)利用训练好的识别模型，对经过特征提取的水声回波数据进行目标识别。2.根据权利要求1所述的方法，其特征在于，利用快速傅里叶变换提取样本的时频特征。3.根据权利要求1所述的方法，其特征在于，双频回波信号的时频特征之间的差异包括远场修正和幅度因子，所述远场修正为其中k为波数，j为虚数单位，r是入射波传播距离；所述幅度因子表示为：其中R为目标体曲面半径，θ为入射信号与目标体夹角。4.根据权利要求1所述的方法，其特征在于，卷积神经网络由两个卷积层、两个池化层加两个全连接层组成，其中池化层的池化方法是最大池化，在最大池化层后设有Dropout层。5.根据权利要求1所述的方法，其特征在于，对卷积神经网络的训练采用线性整流函数ReLU作为激活函数，以二元交叉熵函数作为目标损失函数。6.一种基于双频回波信号差异的水下目标识别系统，其特征在于，包括：双频信号时频特征构建模块，用于提取水声回波数据的时频特征，将相同目标的两个频段下的时频特征进行组合，将组合后的特征视作双频信号时频特征；卷积神经网络识别模型训练模块，用于以每一个样本的时频特征作为样本数据，相同目标的水声回波数据样本标注相同的标签，不同目标的水声回波数据样本标注不同标签，形成训练集，以训练集作为卷积神经网络的输入，进行训练，得到基于卷积神经网络的识别模型；目标识别模块，用于将经过特征提取的水声回波数据作为识别模型的输入，实现目标的分类识别。7.一种计算机设备，其特征在于，包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置为由2CN115878982A权利要求书2/2页所述一个或多个处理器执行，所述程序被处理器执行时实现如权利要求1‑5中任一项所述的基于双频回波信号差异的水下目标识别方法的步骤。8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1‑5中任一项所述的基于双频回波信号差异的水下目标识别方法的步骤。3CN115878982A说明书1/6页一种基于双频回波信号特征的水下目标识别方法及系统技术领域[0001]本发明涉及水声信号处理领域，具体涉及一种基于双频回波信号特征的水下目标识别方法及系统，属于水下目标回波信号的识别领域。背景技术[0002]伴随着水声技术的快速发展，水下目标观测数据迅速增长，如何利用观测数据进行水声目标识别一直是水下安全领域的研究热点。如今水声对抗技术不断发展，对抗环境日益复杂。常见的对抗方式就是通过模拟水下目标的回波来干扰对手的目标定位。因此迫切需要寻找一种目标识别方法，来应对各类水下诱