[发明专利]MEMS水声换能器基阵及水下蛙人目标探测方法

权利要求书

1.一种MEMS水声换能器基阵，其特征在于，所述MEMS水声换能器基阵包括以阵列形式排布的MEMS水声换能器；

所述MEMS水声换能器包括信号发生器、功率放大器、水声换能器以及信号接收器；

所述信号发生器用于产生电信号；所述功率放大器用于将电信号功率放大；所述水声换能器用于将放大后的电信号转换成原始声压数据，并将原始声压数据发射至待测区域；信号接收器用于接收原始声压数据击中目标物体产生的回波信号，得到回波声压数据。

2.如权利要求1所述的MEMS水声换能器基阵，其特征在于，

每个所述MEMS水声换能器基阵包括m行，每行有n个MEMS水声换能器，所述MEMS水声换能器以阵列形式排布，并设置相邻两行MEMS水声换能器之间间距，以及每一行相邻两个MEMS水声换能器之间间距。

3.一种水下蛙人目标探测方法，通过如权利要求1或2所述的MEMS水声换能器基阵实现，其特征在于，所述水下蛙人目标探测方法包括如下步骤：

S11、获取MEMS水声换能器基阵采集的原始回波声压数据；

S12、对所述原始回波声压数据进行处理得到第一处理数据；

S13、将第一处理数据放入预先训练的深度学习网络模型中识别，通过蛙人目标的气泡群、气瓶和蛙人身体的三种判别特征数据对第一处理数据进行识别，根据识别结果对水下蛙人目标进行探测识别。

4.如权利要求3所述的水下蛙人目标探测方法，其特征在于，

所述步骤S12包括：

对原始回波声压数据进行模数转换处理得到离散的数字信号；

对所述离散的数字信号进行排序，并将排完序的数字信号用小波变换算法处理得到第一处理数据。

5.如权利要求4所述的水下蛙人目标探测方法，其特征在于，

所述步骤S13包括：

S131、将第一处理数据放入预先训练的深度学习网络模型中，所述深度学习网络模型包括主干网络和头部网络；所述头部网络为三个分别用于识别蛙人目标的气泡群、气瓶、蛙人身体的三种判别特征；

S132、所述主干网络提取初步输入深度学习网络模型中第一处理数据的特征，并将提取的特征数据分别输入所述头部网络中；

S133、通过所述头部网络对蛙人目标的气泡群、气瓶、蛙人身体的三种判别特征数据进行识别；

S134、对识别结果进行判断，如果蛙人目标的气泡群、气瓶、蛙人身体的三种判别特征判断目标全判定为真，则识别对象为目标蛙人。

6.如权利要求5所述的水下蛙人目标探测方法，其特征在于，

所述步骤S13中预先训练的深度学习网络模型通过如下方式进行构建：

构建主干网络以及头部网络；所述主干网络包含卷积层、池化层，卷积层、池化层一共有s层，p个卷积层和q个池化层交替出现，卷积层的卷积核大小为k×k，池化层采用最大池化层的形式；

所述头部网络为全连接层，先将主干网络提取的特征数据转换成一维的数列，随后将一维数列放入全连接层进行目标识别。

7.如权利要求6所述的水下蛙人目标探测方法，其特征在于，

所述深度学习网络模型中主干网络通过如下方式进行迭代学习：

S41、生成一个卷积神经网络主干网络，其中主干网络的输入层，隐藏层、输出层，以及每层使用的激活函数均与卷积神经网络主干模型一致；

S42、将主干网络作为对抗神经网络的生成网络，再构建一个判别网络，组合起来作为一个域对抗神经网络；

S43、将生成网络和判别网络分别以判别网络准确率和1与判别网络准确率的差为损失函数进行迭代学习；

S44、迭代学习到预设次数后，返回主干网络及参数。