一种面向水下目标识别的特征级信息融合方法技术

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。本发明专利技术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。本发明专利技术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专利技术特征信息融合方法的有效性。本发明专利技术可以应用于水下目标识别。

【技术实现步骤摘要】
一种面向水下目标识别的特征级信息融合方法
本专利技术属于水下目标识别
，具体涉及一种面向水下目标识别的特征级信息融合方法。
技术介绍
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，被动声呐本文档来自技高网...

【技术保护点】
1.一种面向水下目标识别的特征级信息融合方法，其特征在于，该方法包括以下步骤：/n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；/n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；/n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；/n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；/n步骤四、分别对N个噪声测向声呐采集的水下目标方...

【技术特征摘要】
1.一种面向水下目标识别的特征级信息融合方法，其特征在于，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；
步骤五、分别对步骤四获得的二维数组中的每行进行归一化处理，获得各噪声测向声呐所各自对应的归一化处理后的二维数组；
步骤六、构建多传感器特征加权联系融合网络，所述多传感器特征加权联系融合网络包括N个特征提取子网络、N个一维化操作子网络和一个特征融合子网络；
分别将每个噪声测向声呐对应的归一化处理后二维数组输入到对应的特征提取子网络，提取出每个噪声测向声呐的数据特征；并将提取出的特征分别输入到对应的一维化操作子网络，再将各个一维化操作子网络的输出结果共同输入到特征融合子网络，获得特征融合子网络的输出结果；
将特征融合子网络的输出结果送入分类器，通过分类器输出目标识别结果；
其中，每个特征提取子网络均由第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层以及特征加权联系模块组成；且在第一池化层、第二卷积层和第三卷积层后均连接ReLU激活函数；
每个一维化操作子网络均包括一个展平层，特征融合子网络包括第一全连接层和第二全连接层。


2.根据权利要求1所述的一种面向水下目标识别的特征级信息融合方法，其特征在于，所述步骤二中，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，其具体过程为：
步骤二一、对采集的水下目标声音数据进行预加重；
f(n)＝s(n)-μ·s(n-1)(1)
式中，f(n)为n时刻预加重输出数据，s(n)为采集的n时刻声音数据，s(n-1)为采集的n-1时刻声音数据，μ为声音数据的预加重系数；
步骤二二、对步骤二一预加重后的声音数据进行分帧；
从预加重后的声音数据的头部开始，对预加重后的声音数据进行均匀分帧处理，帧长取为T毫秒；
在每相邻的两帧之间均插入一帧，插入帧与相邻的两帧均有部分重叠，插入帧长取为T/2毫秒。


3.根据权利要求2所述的一种面向水下目标识别的特征级信息融合方法，其特征在于，所述步骤三的具体过程为：
对于某个噪...

【专利技术属性】
技术研发人员：王红滨，刘宜陶，何鸣，王念滨，周连科，张毅，白云鹏，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23