[发明专利]一种基于小波包和双谱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，特别涉及一种基于小波包和双谱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。上述鱼类识别技术均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进行特征提取，导致获取的回波信号的特征维数高，冗余大，分类识别效果往往不能令人满意等问题，从而提供一种基于小波包和双谱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小波包和双谱的鱼类识别方法，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，对预处理后的信号的进行频谱分析，获取信号能量相对集中的频谱范围，构成目标频谱域；

步骤103)对预处理后的回波信号进行特征提取，具体方法如下子步骤：步骤103-1)对预处理后的回波信号进行小波包分解得到各个节点小波包的系数；

步骤103-2)对目标频谱域的节点小波包系数进行子带能量特征提取或对依据目标频谱域的节点小波包系数重构得到的时域信号进行子带能量特征提取，并将提取的子带能量特征作为特征量；

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。

优化的，所述步骤103-2)还包含对目标频谱域的节点小波包系数重构得到的时域信号进行双谱分析，提取双谱特征，并将该双谱特征与所述子带能量特征组合作为特征量。

上述技术方案中，所述步骤103-1)小波包多尺度分解为：让预处理后的回波信号通过高低通组合滤波器组，同时进行二次抽样，从而把预处理后的鱼体回波信号分解成高、低频两部分，接着对高低频部分分别进行同样的分解，依此类推，经过若干次上述分解和抽样直到满足需要为止；

其中，分解的次数根据预处理后的回波信号的带宽和采样率取得。

可选的，所述双谱特征量为：从目标频谱域的节点小波包系数重构得到的时域信号中提取双谱对角切片和反对角切片的最大值。

上述技术方案中，所述小波包多尺度分解次数为3到9。

基于上述方法本发明提供了一种基于小波包和双谱的鱼类识别系统，该系统包含：用于向水下鱼体发射声源信号的发射端子系统和用于对水下鱼体类比进行识别的接收端子系统，且所述接收端子系统进一步包含：鱼体的回波信号获取模块，分类器，其特征在于，所述接收端子系统还包含：

预处理模块，用于对采集到的鱼体回波数据进行滤波和幅度归一化预处理；