[发明专利]一种目标识别方法、装置、存储介质及电子设备

说明书

本方案公开了一种目标识别方法，该方法的步骤包括：对获取的声音数据进行处理，获得该声音数据的声纹特征；基于第一分类模型对所述声纹特征进行特征识别，判断所述声音数据是否为噪声；若所述声音数据不是噪声，则基于多个不同的第二分类模型依次对所述声纹特征进行特征识别，输出一组或多组识别结果；其中，所述第一分类模型和所述第二分类模型皆为二分类的分类模型，所述二分类的分类模型通过正则化线性分类器建立，该方法对数据运算及存储的资源占用小，适于长时间无人值守的低功耗战场传感设备平台。

技术领域

本发明涉及声探测技术领域。更具体地，涉及一种目标识别方法、装置、存储介质及电子设备。

背景技术

声探测技术是一种利用目标发出或反射的声波，对其进行测量，从而进行识别、定位和跟踪等。20世纪80年代后，隐身飞机、直升机和无人机等高科技武器的充分发展及反辐射武器装备的大量使用，声探测技术对低空/超低空目标探测的优势得以展现。

目前，在战场侦察中使用声探测技术进行目标检测和识别，目前常用的方法主要是通过麦克风阵列对声目标进行分类，即通过麦克风阵列对目标进行定向，根据定向结果对声纹数据进行波束形成，然后对波束形成后的信号数据进行特征提取，再与定向角度变化量共同融入分类器进行分类。

由于需要通过麦克风阵列进行分类，因而对麦克风数量有一定的要求，且由于对目标信号数据的定向和波束形成涉及大量运算，因而使用现有方法会导致设备整体功耗偏高且复杂度高；对硬件平台的运算资源要求较高；难以实现小型化及低功耗设计等问题。

发明内容

本发明的一个目的提供一种目标识别方法，该方法对数据运算及存储的资源占用小，适于长时间无人值守的低功耗战场传感设备平台。

本发明的另一个目的在于提供一种执行上述识别方法的装置、存储介质和电子设备。

为达到上述目的，本发明提供的技术方案如下：

第一方面，提供一种目标识别方法，该方法的步骤包括：

对获取的声音数据进行处理，获得该声音数据的声纹特征；

基于第一分类模型对所述声纹特征进行特征识别，判断所述声音数据是否为噪声；

若所述声音数据不是噪声，则基于多个不同的第二分类模型依次对所述声纹特征进行特征识别，输出一组或多组识别结果；

其中，所述第一分类模型和所述第二分类模型皆为二分类的分类模型，所述二分类的分类模型通过正则化线性分类器建立。

在一个优选地实施例中，所述第一分类模型和/或第二分类模型的训练步骤如下：

对获取的声音数据进行分帧，并计算各帧数据的快速傅里叶变换，获得所述声音数据的原始分类特征；

基于Wilcoxon秩和检验及顺序浮动后向搜索算法对所述原始分类特征进行两级优化，获得最优分类特征，并基于所述最优分类特征训练分类模型。

在一个优选地实施例中，所述基于Wilcoxon秩和检验及顺序浮动后向搜索算法对所述原始分类特征进行两级优化，获得最优分类特征，并基于所述最优分类特征训练分类模型进一步包括：

通过Wilcoxon秩和检验对所述原始分类特征进行初级优化，排除在类别差异中不显著的特征，获得初级优化分类特征；

采用顺序浮动后向搜索算法在所述初级优化分类特征中搜寻最优分类特征，获得最优分类特征，基于所述最优分类特征训练分类模型。

在一个优选地实施例中，获取的声音数据包括用于训练第一分类模型所采集的全部待识别的目标声音数据及没有目标存在时的环境声音数据；和用于训练第二分类模型所采集的全部待识别的目标中任意两种目标的声音数据。