[发明专利]一种基于组合特征向量的超宽频带目标识别方法及装置

权利要求书

1.一种基于组合特征向量的超宽频带目标识别方法，其特征在于，包括以下步骤：

获取水下待测目标在不同频点上的目标回波信号；

对所述目标回波信号进行预处理；

提取所述目标回波信号的时域质心特征；

将所述不同频点上的时域质心特征组合成为组合特征向量；

特征选择和降维；

将所述特征向量进行数据归一化，并利用BP神经网络分类器进行目标识别。

2.根据权利要求1所述的方法，其特征在于，获取水下待测目标在不同频点上的目标回波信号的步骤，包括：向所述水下待测目标发射不同频率的单频脉冲信号，并利用水听器获取水下待测目标在不同频点上的目标回波。

3.根据权利要求1所述的方法，其特征在于，对所述目标回波信号进行预处理的方式，包括：带通滤波方式和截取目标回波信号方式。

4.根据权利要求1所述的方法，其特征在于，时域质心的计算公式为：其中，TC为时域质心，T为信号长度，x(t)为信号在t时刻的幅值。

5.根据权利要求1所述的方法，其特征在于，将所述不同频点上的时域质心特征组合成为组合特征向量步骤，包括：通过采集的第i频点上的目标回波时域质心的特征分量TC_i，依次排列组合，获取所述组合特征向量。

6.根据权利要求1所述的方法，其特征在于，提取特征向量并对特征向量降维的步骤，包括：采用Fisher准则函数方法，计算特征分量的Fisher 比，并将所有的特征分量的Fisher比按照从大到小的顺序排列，选取前N个Fisher比所对应的特征值分量，并组成一个特征向量。

7.根据权利要求1所述的方法，其特征在于，将所述特征向量进行数据归一化，并利用BP神经网络分类器进行目标识别步骤，包括：将所述特征向量作为训练集和测试集，对所述训练集和所述测试集分别进行数据归一化，输入到BP神经网络分类器，并将不同的目标分别标记不同的标号。

8.根据权利要求6所述的方法，其特征在于：设总共得到M组特征向量，其中M/2组向量为训练集，另外M/2组向量作为测试集。

9.一种基于组合特征向量的超宽频带目标识别装置，其特征在于，包括：

采集模块，获取水下待测目标在不同频点上的目标回波信号；

第一处理模块，用于对所述目标回波信号进行预处理；

提取模块，提取所述目标回波信号的时域质心特征；

第二处理模块，将所述不同频点上的时域质心特征组合成为组合特征向量；

第三处理模块，特征选择和降维；

识别模块，将所述特征向量进行数据归一化，并利用BP神经网络分类器进行目标识别。

10.根据权利要求9所述的装置，其特征在于，所述第二处理模块具体用于：

通过采集的第i频点上目标回波的时域质心的特征分量TC_i，依次排列组合，获取所述组合特征向量。