一种基于机器学习的船行波快速自动识别方法及装置制造方法及图纸

本发明专利技术公开了一种基于机器学习的船行波快速自动识别方法及装置，该方法包括骤1：获取需识别的波谱数据，并将该波谱数据输入至船行波识别模型中；步骤2：船行波识别模型识别该波谱数据是否是船行波；步骤3：将经识别的波谱数据更新至船行波识别模型，以不断学习更新船行波识别模型的识别能力；步骤4：重复上述步骤1

【技术实现步骤摘要】
一种基于机器学习的船行波快速自动识别方法及装置


[0001]本专利技术涉及船行波形，具体涉及一种基于机器学习的船行波快速自动识别方法及装置。

技术介绍

[0002]目前对船形波研究仍处于初期阶段，不同大小，吃水和水深所产生的船行波形有所不同，如何从风浪背景中分离出船形波特征并识别是目前难点。如图1所示，研究表明，船形波呈现一种Kelvin船行波结构，主要分为横向波(transverse wave)和离散波(divergent wave)。离散波边缘和航线方向成约19度82分的夹角。
[0003]研究发现，在固定测点测量过往船只形成的船形波谱有一些显著的特征，包括和横向波和离散波对应的波谱结构，以及一些船舶导致的非线性波对应的谱结构(见图2)。通过这些特征肉眼能很清晰地从风浪背景中分辨出船行波。
[0004]目前的船只自动识别方法成本均较大，传统的船舶识别的方法基本集中在光学影像识别技术和安装船舶自动识别系统(Automatic Identification System,简称AIS系统)来实现。图像识别主要有基于光学成像和遥感图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的船行波快速自动识别方法，其特征在于，包括：步骤1：获取需识别的波谱数据，并将该波谱数据输入至船行波识别模型中；步骤2：船行波识别模型识别出该需识别的波谱数据是否是船行波；步骤3：将经识别的波谱数据更新至船行波识别模型，以不断学习更新船行波识别模型的识别能力；步骤4：重复上述步骤1
‑
3。2.如权利要求1所述的基于机器学习的船行波快速自动识别方法，其特征在于，所述船行波识别模型通过如下方式建立：获取船形波水面波动数据，并将该数据变换为波谱数据，再利用船行波谱特征，识别船行波过程，对船行波和非船行波分别进行标记，作为模型训练样本；利用标记好的训练样本对多层感知器模型进行训练，样本训练前，需进行正则化变换训练完毕后固化模型，得到船行波识别模型。3.如权利要求2所述的基于机器学习的船行波快速自动识别方法，其特征在于，所述多层感知器模型包括2个隐藏层，第一层5个神经元。4.如权利要求2所述的基于机器学习的船行波快速自动识别方法，其特征在于，所述获取船形波水面波动数据，并将该数据变换为波谱数据包括：原始数据为压力式传感器采集的波面压力变化数据，采样频率为2Hz，通过压力与水深变化关系转换为水面波动时间序列数据；以20分钟为时间窗口对水面波动时间序列进行分段处理，通过短时傅里叶变换转换为波浪谱数据。5.如权利要求4所述的基于机器学习的船行波快速自动识别方法，其特征在于，所述短时傅里叶变换主要参数取值为汉明窗参数为20s，15s窗口叠加，得到分辨率为5s
×
0.05Hz的波谱数据。6.如权利要求4所述的基于机器学习的船行波快速自动识别方法，其特征在于，所述压力与水深变化关系为H＝P/ρg，H为水深，...

【专利技术属性】
技术研发人员：罗耀，刘军亮，王东晓，张镇秋，
申请(专利权)人：中国科学院南海海洋研究所，
类型：发明
国别省市：