一种智能水下目标定位方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114216464A(43)申请公布日2022.03.22(21)申请号202111351499.7(22)申请日2021.11.16(71)申请人湖南国天电子科技有限公司地址410000湖南省长沙市岳麓西大道芯城科技园3栋12层(72)发明人杨睿朱小龙陈路易先林苏卡尼吕冰冰(74)专利代理机构长沙大珂知识产权代理事务所(普通合伙)43236代理人易娜(51)Int.Cl.G01C21/20(2006.01)G01S5/18(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书4页说明书9页附图1页(54)发明名称一种智能水下目标定位方法(57)摘要本发明涉及一种水下目标定位技术领域，公开了一种智能水下目标定位方法，包括：构建水下目标定位数学模型；利用构建的水下目标定位模型生成大量测试仿真数据，并对数据进行预处理，将预处理后的数据作为训练数据；将训练数据作为输入，输入到神经网络模型；扩展神经网络的全连接层，基于迁移学习算法，利用实际海底定位采集数据对扩展的全连接层参数进行训练，得到训练好的神经网络模型；采集实际水下数据，将水下数据作为神经网络模型的输入，输出结果为水下目标定位坐标。本发明通过建立水下目标定位模型生成训练数据，利用迁移学习算法训练得到神经网络模型，解决模型环境失配问题，从而实现水下目标的实时定位。CN114216464ACN114216464A权利要求书1/4页1.一种智能水下目标定位方法，其特征在于，所述方法包括：S1：构建水下目标定位数学模型；S2：利用构建的水下目标定位模型生成大量测试仿真数据，并对数据进行预处理，将预处理后的数据作为训练数据；S3：将训练数据作为输入，输入到神经网络模型并利用ADAM算法训练神经网络模型，得到训练好的卷积‑池化层参数；S4：固定神经网络模型的卷积‑池化层参数，扩展神经网络的全连接层，基于迁移学习算法，利用实际海底定位采集数据对扩展的全连接层参数进行训练，得到训练好的神经网络模型；S5：采集实际水下数据，对采集的水下数据进行预处理，将预处理后的水下数据作为神经网络模型的输入，输出结果为水下目标定位坐标。2.如权利要求1所述的一种智能水下目标定位方法，其特征在于，所述S1步骤中构建水下目标定位数学模型中的信号接收模型，包括：所建立的信号接收模型为：其中：Sij(t)为第i个信号发射阵元发射信号时，第j个信号接收阵元接收到的信号，t表示信号发射时刻；ci(t)表示第i个信号发射阵元所发射的信号；表示卷积操作；n(t)表示水下噪声信号；hij(t)表示水下信号通道的冲激响应函数；(x，y)表示水下目标的二维坐标，水下目标接收到L条入射声线，信号接收阵元接收到Q条散射声线，入射声线p到达水下目标的冲激响应为Gp(x，y)，时延为Tp，1≤p≤L，散射声线到达信号接收阵元的冲激响应为Gq(x，y)，时延为Tq，1≤q≤Q；表示将L条入射声线以及Q条散射声线形成的冲激响应在时域上依据时延Tp+Tq叠加在一起，形成水下目标的冲激响应函数h′ij(t)。3.如权利要求2所述的一种智能水下目标定位方法，其特征在于，所述S1步骤中依据所构建的信号接收模型，构建水下目标定位数学模型，包括：对接收的信号进行脉冲压缩处理：其中：*表示取复共轭；Dij(t)表示接收信号Sij(t)的脉冲压缩波形结果；构建脉冲压缩波形结果与水下目标定位坐标的数学模型：2CN114216464A权利要求书2/4页其中：(x，y)表示水下目标的二维坐标。4.如权利要求3所述的一种智能水下目标定位方法，其特征在于，所述S2步骤中利用构建的水下目标定位数学模型生成大量测试仿真数据，包括：根据所构建的水下目标定位数学模型，模拟信号发射阵元、信号接收阵元以及水下环境，随机生成若干水下目标，模拟信号发射阵元向水下目标发射信号，并计算出水下冲激响应函数，将水下冲激响应函数、水下目标以及发射信号作为水下定位数学模型的参数，得到水下目标dk所对应的脉冲压缩波形结果Dk(t)，其中k∈[1，E]，E表示生成的水下目标数目，水下目标dk的定位坐标为Ik＝(xk，yk)，将水下目标dk的位置信息Ik以及对应的脉冲压缩波形结果Dk(t)作为一组测试仿真数据，所述测试仿真数据集合为{(I1，D1(t))，(I2，D2(t))，(I3，D3(t))，...，(IE，DE(t))}。5.如权利要求4所述的一种智能水下目标定位方法，其特征在于，所述S2步骤中对生成的测试仿真数据进行预处理，将预处理后的测试仿真数据作为训练数据，包括：对测试仿真数据集合中的脉冲压缩波形结果进行预加重的预处理，所述预加重处理的公式为：D′i(t)＝Di(t)‑