一种两维多特征融合的水下目标快速检测方法技术

一种两维多特征融合的水下目标快速检测方法，涉及水下目标探测。采用横向多域特征融合模块和纵向多信源特征融合模块，包括：对于每一种水声信号，进行傅里叶变换域、分数阶傅里叶变换域、小波变换域等多域变换，稀疏分解后，提取不同变换域对应的主特征，利用拼接法，实现横向多域特征融合，获取到更易于被标注的单目标信号，提高检测的准确率；然后，对于从不同传感器捕获来的复杂多信号源，分别递进式地进行数据级融合、特征级融合、决策级融合，实现纵向的特征融合，降低多目标检测算法的计算复杂度。对大量的信号进行稀疏分解压缩，减少不必要的计算量，提高检测效率，能降低水下目标探测装备的能量消耗。

A fast underwater target detection method based on two dimensional multi feature fusion

A fast underwater target detection method based on two dimensional multi feature fusion, which involves underwater target detection. The transverse and longitudinal multi domain feature fusion module source multi feature fusion module, including: for each acoustic signal, Fourier transform domain and fractional Fourier transform domain, wavelet transform domain and multi domain transform, sparse decomposition, extraction of the main characteristics of different domain corresponding to the use of stitching method, realize the integration of multi lateral domain features, access to a single target signal is easy to label, improve the accuracy of detection; then, to capture from different sensors to complex multi signal source, respectively, and progressive data level fusion, feature level fusion and decision level fusion, realize the integration of vertical features, reduce the computational multi target detection algorithm the complexity of the. The sparse decomposition and compression of a large number of signals can reduce unnecessary calculation, improve detection efficiency, and reduce energy consumption of underwater target detection equipment.

【技术实现步骤摘要】
一种两维多特征融合的水下目标快速检测方法
本专利技术涉及水下目标探测，尤其是涉及一种两维多特征融合的水下目标快速检测方法。
技术介绍
为了探测和开发海洋资源，智能化的水声装备研制成为学术界和应用部门的着重关注。在新的水声软硬件技术演变形势下，海军迫切需要新型目标识别技术作为测控装备、声纳系统等发展的技术支撑，进而提高水下目标探测的准确率，为海军提供高可靠的水下防御和预警装备。目前，水下潜艇、舰艇、鱼雷、蛙人等会广泛使用目标探测技术，将探测到的水下目标应用于水下节点通讯、探测、侦察、灭雷、救生、考古、资源开发等领域。Adriana针对对无约束水下视频，提出一种单目标检测算法，自动地确定最佳空间尺度，来获取最佳目标轮廓。杨杰等人依据角点数、光滑度、主轴角度等8个主要特征，检测水下单目标。张铭钧等人在实现水下图像的模糊增强的基础上，利用灰度-梯度不变矩，提高单目标检测的鲁棒性和检测准确率。Christian等人运用规范化的轮廓区域选择算法，实现水下单目标探测和识别，减少初始化参数的影响，提高了算法的收敛性。张恒研究一种水下协同目标的检测方法，利用自适应notch数字滤波器，以及频率方差加权方法检测水下目标信号，实现不同目标的定位估计。利用盖尔圆定理，Wu等人提出了一种GDE多目标检测算法，准确估计背景噪声下的信号源数目。另外，正交子空间类方法、极大似然方法等方法，在相干或非相干多目标源方位估计的基础上，利用目标所在方位信息，检测出多目标的数目。同时，先进水声信号探测的研发项目也受国内外重视。2013年，美国海军围绕主/被动信号处理、鱼雷探测、加密、定位、鱼雷防御、电子战和导航等相关技术，启动了反潜/反舰声学信号处理长期研究项目，应用于海洋探测、跟踪和攻击敌方舰艇。2015年，美国海军又进一步计划近海水下持续监测系统，并将系统部署在近海战斗舰上。在英国未来战略部署中，同巴布科克公司合作，为核潜艇设计水下信号发射器，提供了海上救援的支持。通过学术研究和项目研发分析可知，水下目标检测的相关理论、方法和技术正在不断地朝向自动化推进，也取得一定程度的成果。然而，当前水下目标检测方法是在有限的观测数据条件下来确定信号源数目，在某一个限定的变换域下，水声信号特征可能被淹没在海洋中，降低了目标检测的准确性。并且，传感器捕获的水声信号可能来源于不同的信号源，将复杂的源信号进行特征提取，带来计算量大的问题，导致检测效率低。尤其，在复杂动态的海洋环境下，水下多传感器之间存在相互干扰，单一特征的检测难以充分利用多特征关联的价值信息。
技术实现思路
本专利技术的目的在于针对现有的复杂海洋环境下目标信号被淹没的难题，以及捕获的多目标信号数据量大，存在相互间干扰，导致的水下目标检测方法的准确性低、效率低问题，提供一种两维多特征融合的水下目标快速检测方法。本专利技术包括以下步骤：1)横向多域特征融合；2)纵向多信源多特征融合；3)数据级融合；4)特征级融合；5)决策级融合。在步骤1)中，所述横向多域特征融合的具体方法可为：以chirp信号作为基函数，对傅里叶变换域、分数阶傅里叶变换域、小波变换域等变换域下稀疏特征分解，提取不同变换域下的主要信号特征，并采用信息融合技术，将特征进行融合；在步骤2)中，所述纵向多信源多特征融合的具体方法可为：将多种传感器捕获的目标信号多域特征数据，分别从数据级、特征级和决策级进行不同程度的融合，使用有效的数据融合算法对信号源检测；在步骤3)中，所述数据级融合的具体方法可为：对分布在舰船同类型物理场下的声、磁、水压传感器，利用方差贡献率的动态融合系数，实现优选的多域特征数据信息融合，保持尽可能多的舰船物理场数据的细微信息；在步骤4)中，所述特征级融合的具体方法可为：从各传感器获取观测目标融合的数据信息，将优选的特征集进行统一化和标准化处理，实现特征的稀疏压缩、拼接，利用D-S证据理论，建立目标特征向量融合的推理模型；在步骤5)中，所述决策级融合的具体方法可为：从载频、调制方式、脉冲宽度、脉冲重频等信号特征，对多目标观测站下，多周期产生多信息源的基本概率赋值(BPA)，利用D-S证据理论，建立决策级融合的目标推理识别模型。本专利技术采用横向多域特征融合模块和纵向多信源特征融合模块，包括：对于每一种水声信号，进行傅里叶变换域、分数阶傅里叶变换域、小波变换域等多域变换，稀疏分解后，提取不同变换域对应的主特征，利用拼接法，实现横向多域特征融合，获取到更易于被标注的单目标信号，提高检测的准确率；然后，对于从不同传感器捕获来的复杂多信号源，分别递进式地进行数据级融合、特征级融合、决策级融合，实现纵向的特征融合，降低多目标检测算法的计算复杂度。本专利技术的有益效果是：本专利技术结合横向的多域特征融合和纵向的多信号源特征融合，充分挖掘目标信号中隐藏的价值信息，能尽可能地利用信号源的细微变化特征量，克服单目标信号源被淹没的缺陷，提高目标检测的准确率。同时，本专利技术对大量的信号进行稀疏分解压缩，减少不必要的计算量，提高检测效率，能降低水下目标探测装备的能量消耗。附图说明图1是本专利技术一种两维多特征融合的水下目标快速检测方法的整体框架图；图2是本专利技术横向多变换域的特征融合模块示意图；图3是本专利技术纵向多信号源的多级特征融合模块示意图；图4是本专利技术纵向多信号源的数据级融合示意图；图5是本专利技术纵向多信号源的特征级融合示意图；图6是本专利技术纵向多信号源的决策级融合示意图。具体实施方式1、一种两维多特征融合的水下目标快速检测方法参见图1～3，本专利技术主要集成横向多域特征融合模块和纵向多信源特征融合模块的水下目标检测方法，海洋或海底的水声信号传感器、磁传感器或其他主要的传感器，采集监测目标的水声通信信号，通过预处理后，初始化设计DCT冗余字典，求解稀疏系数，获取单信号源稀疏表示，以chirp信号作为基函数，进行压缩感知的稀疏分解，并进行横向多域特征融合和纵向多信源特征融合。为了解决实际中由于水声信道存在随机起伏以及目标的散射特性的影响，在不同变换域下，分别对同一种声信号进行稀疏特征提取，并通过有效的融合途径获得能表征多域的特征信号，缓解波形中含有随机的畸变成分引起的匹配滤波器性能下降的现象，改善后期目标识别的正确率。横向多域特征融合，以chirp信号作为基函数，研究傅里叶变换域、分数阶傅里叶变换、小波变换域等变换域下稀疏特征分解，不同变换域特征提取，并采用主成分分析法的信息融合技术，特征优选将特征进行多域融合，作为纵向多信源特征融合的样本输入。针对水下目标探测和识别任务，信息融合技术进一步扩展为“数据-特征-识别”的目标分类处理过程，得到多传感器与多信源的水下目标融合分类模型，提高水下目标检测方法。纵向多信源特征融合的事例识别模型结构，按信息抽象的程度被分为三个融合级别：数据级融合、特征级融合、决策级融合。在正常情况下，在舰船同等量级和同质的物理场下，从分布式的的声、磁传感器，采集原始数据进行横向多域特征融合后，采用主成分分析法、小波分频带融合法，降低数据量。在数据级融合的前提下，舰船声场信号提取舰船噪声的功率谱、舰船的基频、场强变化率、声压级、特性谱等特征量，再综合地分析和处理特征向量，获得融合的特征向量。利用融合效率高的D-S推理算法，对特征级的信源进行识别，减本文档来自技高网...

【技术保护点】
一种两维多特征融合的水下目标快速检测方法，其特征在于包括以下步骤：1)横向多域特征融合；2)纵向多信源多特征融合；3)数据级融合；4)特征级融合；5)决策级融合。

【技术特征摘要】
1.一种两维多特征融合的水下目标快速检测方法，其特征在于包括以下步骤：1)横向多域特征融合；2)纵向多信源多特征融合；3)数据级融合；4)特征级融合；5)决策级融合。2.如权利要求1所述一种两维多特征融合的水下目标快速检测方法，其特征在于在步骤1)中，所述横向多域特征融合的具体方法为：以chirp信号作为基函数，对傅里叶变换域、分数阶傅里叶变换域、小波变换域等变换域下稀疏特征分解，提取不同变换域下的主要信号特征，并采用信息融合技术，将特征进行融合。3.如权利要求1所述一种两维多特征融合的水下目标快速检测方法，其特征在于在步骤2)中，所述纵向多信源多特征融合的具体方法为：将多种传感器捕获的目标信号多域特征数据，分别从数据级、特征级和决策级进行不同程度的融合，使用有效的数据融合算法对信号源检测。4.如权利要求1所述一种两维多特征融合的水下目标快...

【专利技术属性】
技术研发人员：孙海信，苗永春，齐洁，周明章，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建,35