[发明专利]一种基于分段时域质心特征的鱼类识别方法及系统

说明书

技术领域

本发明涉及基于声学方法的鱼类识别技术，特别涉及一种基于分段时域质心特征的鱼类识别方法及系统。

背景技术

随着人类对海洋资源需求的日益增加，海洋渔业资源开发越来越受到重视。渔业资源调查和评估工作是合理开发海洋渔业资源的重要基础，这就迫切地需要具备对鱼的种类进行快速识别的能力。

传统的鱼类资源调查方法主要是以拖网捕捞法为主，与传统的拖网捕捞识别等方法相比，声学方法具有快速方便、不损坏生物资源以及可持续观测等优点。因此，近些年来国外相关研究机构大力发展基于声学方法的鱼类识别技术。

其中，国外声学方法的鱼类识别技术包含：Alexander B.Kulinchenko等人使用绳系法对太平洋大比目鱼和岩鱼进行了试验，并利用回波包络和统计频谱特征两种方法成功对大比目鱼、岩鱼、海底进行了分类，但是这种方法由于直接对鱼体的回波包络信号进行降采样后作为特征向量，未能找出反映目标本质的特征量，特征维数很高，冗余较大，给分类器带来很大负担。Harold M.Brundage III和Jae-Byung Jung利用统计频谱的方法从底层鱼类中识别出短鼻鲟鱼。Eric O.Rogers等人利用统计频谱的方法成功对鲱鱼、亚洲胡瓜鱼和鲑鱼进行了识别。上述鱼类识别技术基于统计频谱的方法，因此需要具有很宽频带的换能器作为发射源，对设备要求较高。此外，Sunardi等人通过回声探测仪测定了两种不同的竹荚鱼在两种频率下的目标强度，成功对鱼的种类进行了分类。但是这种方法利用鱼体在两种频率下的目标强度为识别量，而鱼体目标强度与鱼体的姿态、鱼鳔的大小、形状等因素有关，仅选用两个频点下目标强度作为特征量，特征不稳定，使用局限性较大。总之，人们已通过多种方法来进行鱼类识别，然而鱼体的回波信号非常复杂，现有识别方法未能找出能反映目标本质的特征，使得特征维数高，冗余大，分类识别效果往往不能令人满意。而在国内，基于声学方法的鱼类识别技术的研究目前尚处于起步阶段。

发明内容

本发明的目的在于，为克服现有技术对鱼体回波信号的包络或频谱进行降采样后直接作为特征量，导致获取的回波信号的特征维数高，冗余大，未能找到反映目标本质的特征，分类识别效果往往不能令人满意等问题，从而提供一种基于分段时域质心特征的鱼类识别方法及系统。

为实现上述目的，本发明提供了一种基于分段时域质心特征的鱼类识别方法，该方法是一种基于主动声学方法的识别策略，所述方法具体包含：

步骤101)向水下鱼体发射声信号，并获取水下鱼体反向散射的回波信号；

步骤102)对采集到的鱼体回波数据进行滤波和幅度归一化预处理；

步骤103)对预处理后的回波信号进行特征提取，具体方法如下：将回波信号分为若干子段，并提取各个子段的时域质心作为特征量；

步骤104)将特征量输入分类器进行分类处理，完成对水下鱼体的种类识别。

可选的，采用自适应分段策略将回波信号分为若干子段，具体步骤如下：

首先计算整个回波信号的时域质心，把计算出的时域质心作为分隔点，将回波信号分为两个子段，然后计算两个子段中每个子段的时域质心，并将其作为新的分隔点，依此类推，得到经若干次分段后的各个子段的时域质心作为特征量。

其中，所述分段次数的范围为：3-6次。

可选的，采用均匀分段策略将回波信号分为若干子段，具体步骤如下：依据回波信号脉冲宽度把整个回波信号均匀分为若干个子段，并提取各个子段的时域质心作为特征量。

上述技术方案中，所述时域质心采用下式进行计算：

TC=∫0Ttx2(t)dt∫0Tx2(t)dt;]]>