[发明专利]一种面向水下目标识别的特征级信息融合方法

说明书

一种面向水下目标识别的特征级信息融合方法，它属于水下目标识别技术领域。本发明解决了原始水下声音数据本身携带的目标特性有限，采用专家特征提取方法很难从原始数据中提取出有效的特征，且采用现有方法对提取出的特征信息融合效果不佳的问题。本发明对采集的原始声音数据进行处理，使处理过的数据不仅包含目标水声特性，还包含了目标方位特性与速度变化特性。再采用一个端到端的深度神经网络完成后续的特征提取和信息融合工作，克服了采用专家特征提取方法很难从原始数据中提取出有效特征的问题，而且通过实验证明了本发明特征信息融合方法的有效性。本发明可以应用于水下目标识别。

技术领域

本发明属于水下目标识别技术领域，具体涉及一种面向水下目标识别的特征级信息融合方法。

背景技术

声呐是收集水声数据的主要工具。按照数据的收集模式来分类可以分为主动声呐和被动声呐。主动声呐的设计灵感来源于自然界的蝙蝠，其工作原理是通过信号发射器发射特定波形的声信号，这个信号会在水下环境中进行传播，当这个信号遇到目标时会产生反射回波，它还配置一个回波接收器，通过这个接收器来接收并得到目标的回波信息；被动声呐和主动声呐的不同之处在于其自身不发射信号，而仅仅是收集环境中的辐射噪声，并以此对噪声进行处理来得到目标的信息。即主动声呐和被动声呐的接收原理是一样的，不同的是主动声呐是探测方主动发出声波然后靠回波探测，而被动声呐就只接收声波。由于它们不同的工作原理，决定了它们不同的特点：主动声呐拥有发现目标距离远，追踪精度高的优点，然而由于其需要不断发射信号这一工作特性，所以存在一个致命的缺点，即难以隐藏自身，好比黑夜中一个人用手电筒寻找目标一样，所以舰艇不在迫不得已的情况下一般不使用主动声呐；相比于主动声呐，被动声呐可以看成是人在黑夜中用耳朵寻找目标，自身隐蔽性强，所以虽然它的精度不如主动声呐高，但在探测的时候仍然被作为首选的工具。

在传统的水下目标识别中，常见的方法是单传感器收集水声数据，对数据进行特征提取，然后把特征矢量输入到后续分类器中，由分类器进行分类识别。

在多传感器收集数据的背景下，我们也可以仅收集多个传感器的水声数据，再将其进行融合。这种方法虽然简单可行，但是所收集的数据仅仅可以代表目标的水声数据的特性，而没有考虑通过多个传感器的方位组合所带来的目标方位特性与速度变化特性，导致原始数据本身携带的目标特性很有限。即使考虑到通过多个传感器的方位组合所带来的目标方位特性与速度变化特性，采用现有的专家特征提取方法也很难提取出有效的特征，且现有的特征信息融合方法的效果不佳，特征信息融合方法有待进一步改进。

发明内容

本发明的目的是为解决原始水下声音数据本身携带的目标特性有限，采用专家特征提取方法很难从原始数据中提取出有效的特征，且采用现有方法对提取出的特征信息融合效果不佳的问题，而提出了一种面向水下目标识别的特征级信息融合方法。

本发明为解决上述技术问题采取的技术方案是：一种面向水下目标识别的特征级信息融合方法，该方法包括以下步骤：

步骤一、同时利用N个噪声测向声呐采集同一个水下目标的声音数据和方位数据；

步骤二、分别对每个噪声测向声呐采集的水下目标声音数据进行处理，获得处理后的声音数据；

所述处理方法包括对声音数据进行预加重，以及对预加重后的声音数据进行均匀分帧；

步骤三、得到每个噪声测向声呐所对应的处理后声音数据后，分别对每帧声音数据进行帧内部数据的一阶差分处理，再对一阶差分处理结果进行二阶差分处理，将帧内部数据与对应的一阶差分处理结果和二阶差分处理结果共同表示成一个二维数组的形式；

步骤四、分别对N个噪声测向声呐采集的水下目标方位数据进行数据扩充，获得扩充后的目标方位数据，将扩充后的目标方位数据与步骤三中对应的二维数组进行组合，将组合结果作为每帧声音数据所对应的二维数组；