基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法技术

本发明专利技术公开了一种基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法，其步骤：(1)固定双频识别声呐；(2)通过走航的方式进行水下探测，并获取声学数据；(3)数据处理，并利用扩展卡尔曼滤波结合最近邻聚类算法统计鱼体个数；(4)计算扫过水体体积，求取鱼群密度；(5)根据已知水域的蓄水量，估算整个水域中的鱼体数量。本发明专利技术利用双频识别声呐发射水下声波，遇到障碍物返回声波信号的原理，通过接收回波信号，并进行信号处理、获取水下鱼群信息，从而进行鱼群数量的估计，具有简单易行、高效而又不损坏鱼类资源等优点，且比传统的利用目标强度进行积分的方法具有更高的精度，为渔业资源评估提供了一种新途径。

A method for estimating the number of fish stocks based on extended Calman filter and nearest neighbor clustering algorithm

The invention discloses a method, the estimated number of extended Calman filter combined with nearest neighbor clustering algorithm based on fish swarm which comprises the following steps: (1) fixed frequency sonar identification; (2) underwater detection by moving out of the way, and obtain the acoustic data; (3) data processing, and using the extended Calman filter with the recent neighbor clustering algorithm statistical fish number; (4) calculating sweep water volume, calculate the fish density; (5) according to the known water storage capacity, estimated the number of fish in the water. The invention uses dual frequency sonar underwater acoustic emission recognition principle, obstacle return acoustic signals, by receiving the echo signal, and signal processing, to obtain information of fish under water, so as to estimate the number of fish, which is simple, efficient and does not damage the fish resources and other advantages, and the ratio of the target strength of traditional use the integral method has higher accuracy, it provides a new way for the evaluation of fishery resources.

【技术实现步骤摘要】
基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法
本专利技术属于渔业资源评估
，尤其涉及一种基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法。
技术介绍
渔业资源评估是现代渔业开发过程中的重要环节，其中鱼群数量统计是渔业资源评估最基本的要求。传统方法主要依靠采样捕捞，这对鱼类资源本身具有损害；或者采用计量鱼探仪，利用回波积分法或回波计数法进行量测，这只能粗略估算鱼群数量，误差较大。现代社会对渔业资源的质量和产量提高、有效保护海洋生态系统，实现海洋资源的可持续发展提出了更高要求。例如应运而生的海洋牧场，就是传统捕捞和养殖方式向增殖和管理利用方式转变的一种现代渔业形式。在这样的情况下，如何快速准确，又不需要大量人力、物力消耗地高精度鱼群数量估计成为目前急需解决的问题。
技术实现思路
本专利技术的目的是针对上述不足，提供一种基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法。为了达到上述目的，本专利技术所采用的技术方案如下：基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法，包括以下步骤：(1)将双频识别声呐固定在调查船的船舷外侧或船底，并将其朝下浸没于水中，将姿态传感器固定在调查船上；(2)将双频识别声呐通过网线与上位机相连，上位机实时获取走航时的声学数据，同时将姿态传感器接入上位机，上位机获取当前时刻调查船的姿态信息；(3)对步骤(2)获得的声学数据进行图像构建及图像预处理，得到处理后的声学图像，通过目标检测算法识别图像中的鱼体目标，再通过扩展卡尔曼滤波结合最近邻聚类算法进行目标关联与跟踪，并统计声学图像中的鱼体数量；(4)将GPS接入上位机，上位机记录下探测航迹，并结合双频识别声呐的探测范围，得到双频识别声呐扫过水体的体积，将步骤(3)获得的目标数量除以双频识别声呐扫过水体的体积，得到鱼群密度；(5)根据已知水域的蓄水量，乘上步骤(4)中的鱼群密度，得到整个水域中鱼体数量。进一步的，所述声学数据由多帧数据组成，每一帧数据代表一幅矩形声学图像。进一步的，所述双频识别声呐布置于水面附近，深度不超过1米。进一步的，所述双频识别声呐波束探测方向与水面夹角选取0°至90°之间任意角度。进一步的，所述调查船的航速不大于6节。进一步的，所述步骤(3)具体为：(3.1)根据笛卡尔坐标系到极坐标系的坐标转换关系，将权利要求2中的矩形声学图像转换成扇形图，并通过插值将扇形图填充完整；(3.2)将(3.1)得到的扇形图像进行线性拉伸处理；(3.3)利用图像差分原理，将拉伸后的图像中的背景去除，留下图像中的有效目标，即水中的鱼体；(3.4)利用扩展卡尔曼滤波结合最近邻聚类算法对图像中的有效目标进行跟踪处理，统计目标个数；(3.5)将拉伸后的图像进行实时显示，并用不同颜色将每一个目标的轨迹显示出来。进一步的，所述步骤(3.4)具体为：(3.4.1)首先定义观测量为，其中r是声纳图像中有效目标相对于扇形对应的圆心的观测距离，α是对应的观测角度，系统的量测方程：其中δr为距离值量测误差，δα为角度量测误差，(x,y)是有效目标在声纳图像中的位置，第i个有效目标在k时刻的系统状态向量为其中(xk，i，yk，i)是第i个有效目标在k时刻的位置，是第i个有效目标在k时刻的速度；(3.4.2)计算第i个有效目标在前一个时刻状态量Xk-1(i)的预测值其中i＝1,2,…,mk-1，mk-1是k-1时刻的状态个数，预测方程为：其中F是状态转移矩阵，Δt是采样时间间隔；(3.4.3)分别计算预测值与当前时刻观测量Zk(j)的权值w(i,j)，其中j＝1,2,…,nk，nk是当前时刻观测量的个数，权值就是与Zk(j)的距离值；(3.4.4)找到最小权值wmin＝min{w(i,j)}，以及对应的i和j，判断wmin是否小于设定的门限值ε，如果wmin<ε，将预测量与观测量Zk(j)作为一对匹配值，最后在{w(i,j)}中去掉这对组合；(3.4.5)重复步骤(3.4.2)、(3.4.4)mk-1次；(3.4.6)如果mk-1个状态量中还有未匹配的状态，即表示此预测量对应的目标消亡了，目标总个数加一；如果nk个观测量中还存在未匹配的量，即表示出现了新的目标，此目标的初始位置即为这个观测值，初始速度设为其他所有目标的平均速度。(3.4.7)利用扩展卡尔曼滤波算法求得当前时刻的状态量Xk(i)，i＝1,2,…,mk，其中mk表示当前时刻状态量的个数；当所有有效目标经过N次状态更新后，就完成了有效目标数量的统计，其中N是所述声学数据的总帧数。进一步的，所述利用扩展卡尔曼滤波算法求得当前时刻的状态量Xk(i)具体为：(3.4.7.1)计算预测协方差矩阵：Pk|k-1(i)＝FPk-1(i)FT+Γk(i)Qk-1(i)Γk(i)T其中Pk-1(i)是前一个时刻的协方差矩阵，Qk-1(i)是前一个时刻的系统过程噪声，Γk(i)是噪声协方差矩阵，上标T代表矩阵转置；(3.4.7.2)计算卡尔曼增益矩阵：其中Rk(i)是系统测量噪声。(3.4.7.3)利用卡尔曼滤波方程，计算当前时刻的状态量Xk(i)：h(k)是量测转移矩阵，Zk(i)是当前时刻目标i对应的观测量。(3.4.7.4)更新当前时刻的协方差矩阵：其中I表示单位阵。本专利技术的有益效果如下：1)本专利技术将双频识别声呐固定在船舷外侧或船底的水下，通过走航的方式采集水下声学数据，利用上位机软件将声学数据构建成声学图像，通过目标检测算法识别鱼体目标，再利用多目标跟踪算法进行目标关联并统计声学图像中的鱼体数量，结合GPS记录的走航轨迹计算双频识别声呐扫过的水体体积，获得鱼群密度，最后根据已知水域蓄水量估算出整片水体内的鱼群数量。2)本专利技术中的上位机软件通过读取声学数据，构建声学图像，完成图像线性拉伸、目标提取以及利用扩展卡尔曼滤波结合最近邻聚类算法对图像中的有效目标进行跟踪处理并统计目标个数的任务，实现对双频识别声呐扫过水域内鱼体个数的自动计数。3)本专利技术提供的方法简单易行、快速高效，不需要消耗大量人力物力，并且无损于水域中的渔业资源，相对于传统的捕捞估计或采用目标强度进行数量估计的方法具有更高精度，为渔业资源评估提供了一种新途径。附图说明图1是本专利技术方法的流程图；图2是本专利技术中双频识别声呐布置示意图；图3是本专利技术中设计的数据处理软件流程图；图4是本专利技术中坐标转换示意图；图5是本专利技术中多目标跟踪算法流程图；图6是本专利技术中体积计算示意图；图2中：GPS模块1、姿态传感器2、调查船3、双频识别声呐4、笔记本电脑5。具体实施方式下面结合具体实施例及附图对本专利技术做进一步详细说明，但本专利技术不仅局限于次。本例中采用的双频识别声呐主要是有3个透镜和一个声呐阵列组成的多波束系统，它可以向水下发射频率为1.8MHz或1.1MHz的超声波，波束探测的范围最小是5米，最大是40米，接收数据的速率最大为每秒钟接收20帧图像，探测视场范围在水平方向为29°，垂直方向为14°，空气中重量约7千克，功率约30W。图1是利用双频识别声呐进行鱼群数量估计的实现流程图，主要过程阐述如下：第一步，将双频识别声呐固定在调查船上。如图2所示，调查船以4节的均速沿着x轴运动，双频识别声呐固定在船舷外侧，它的正方向沿着y轴布置，并且本文档来自技高网...

【技术保护点】
一种基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法，其特征在于，包括以下步骤：(1)将双频识别声呐固定在调查船的船舷外侧或船底，并将其朝下浸没于水中，将姿态传感器固定在调查船上。(2)将双频识别声呐通过网线与上位机相连，上位机实时获取走航时的声学数据，同时将姿态传感器接入上位机，上位机获取当前时刻调查船的姿态信息。(3)对步骤(2)获得的声学数据进行图像构建及图像预处理，得到处理后的声学图像，通过目标检测算法识别图像中的鱼体目标，再通过扩展卡尔曼滤波结合最近邻聚类算法进行目标关联与跟踪，并统计声学图像中的鱼体数量。(4)将GPS接入上位机，上位机记录下探测航迹，并结合双频识别声呐的探测范围，得到双频识别声呐扫过水体的体积，将步骤(3)获得的目标数量除以双频识别声呐扫过水体的体积，得到鱼群密度。(5)根据已知水域的蓄水量，乘上步骤(4)中的鱼群密度，得到整个水域中鱼体数量。

【技术特征摘要】
1.一种基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法，其特征在于，包括以下步骤：(1)将双频识别声呐固定在调查船的船舷外侧或船底，并将其朝下浸没于水中，将姿态传感器固定在调查船上。(2)将双频识别声呐通过网线与上位机相连，上位机实时获取走航时的声学数据，同时将姿态传感器接入上位机，上位机获取当前时刻调查船的姿态信息。(3)对步骤(2)获得的声学数据进行图像构建及图像预处理，得到处理后的声学图像，通过目标检测算法识别图像中的鱼体目标，再通过扩展卡尔曼滤波结合最近邻聚类算法进行目标关联与跟踪，并统计声学图像中的鱼体数量。(4)将GPS接入上位机，上位机记录下探测航迹，并结合双频识别声呐的探测范围，得到双频识别声呐扫过水体的体积，将步骤(3)获得的目标数量除以双频识别声呐扫过水体的体积，得到鱼群密度。(5)根据已知水域的蓄水量，乘上步骤(4)中的鱼群密度，得到整个水域中鱼体数量。2.根据权利要求1所述的基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法，其特征在于，所述声学数据由多帧数据组成，每一帧数据代表一幅矩形声学图像。3.根据权利要求1所述的基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法，其特征在于，所述双频识别声呐布置于水面附近，深度不超过1米。4.根据权利要求1所述的基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法，其特征在于，所述双频识别声呐波束探测方向与水面夹角选取0°至90°之间任意角度。5.根据权利要求1所述的基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法，其特征在于，所述调查船的航速不大于6节。6.根据权利要求1所述的基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法，其特征在于，所述步骤(3)具体为：(3.1)根据笛卡尔坐标系到极坐标系的坐标转换关系，将权利要求2中的矩形声学图像转换成扇形图，并通过插值将扇形图填充完整；(3.2)将(3.1)得到的扇形图像进行线性拉伸处理；(3.3)利用图像差分原理，将拉伸后的图像中的背景去除，留下图像中的有效目标，即水中的鱼体；(3.4)利用扩展卡尔曼滤波结合最近邻聚类算法对图像中的有效目标进行关联、跟踪处理，统计目标个数；(3.5)将拉伸后的图像进行实时显示，并用不同颜色将每一个目标的轨迹显示出来。7.根据权利要求1所述的基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法，其特征在于，所述步骤(3.4)具体为：(3.4.1)首先定义观测量为其中r是声纳图像中有效目标相对于扇形对应的圆心的观测距离，α是对应的观测角度，系统的量测方程：其中δr为距离值量测误差，δα为角度量测误差，(x,y)是有效目标在声纳图像中的位...

【专利技术属性】
技术研发人员：韩军，荆丹翔，王杰英，杜鹏飞，章旻昊，任佳，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33