基于流场速度分量时程的水下物体外形识别的深度学习方法技术

本发明专利技术提供一种基于流场速度分量时程的水下物体外形识别的深度学习方法，包括以下步骤：基于流场特征对水下目标体外形进行识别；基于任意一点尾流速度分量时程信号对所述目标特征进行提取；基于深度学习方法对所述尾流速度分量时程信号进行处理；基于卷积神经网络对流场速度分量时程特征进行分类。本发明专利技术采用流场速度分量作为外形识别的数据，与传统采用声信号、图像信号等方法具有根本的不同，由于本方法采用了全新的物理量进行外形识别，克服了传统声信号中主动声呐方法的隐蔽性差的缺点，也弥补了水中图像信号干扰大的缺陷，是一种隐蔽性高、数据获取便捷的新方法。数据获取便捷的新方法。数据获取便捷的新方法。

【技术实现步骤摘要】
基于流场速度分量时程的水下物体外形识别的深度学习方法


[0001]本专利技术涉及水下目标物体外形识别的
，具体而言是一种全新的水下目标物体外形识别方法。

技术介绍

[0002]随着我国综合国力的不断提高，对海洋资源的经济开发以及领海的军事研究显得尤为重要。其中水下目标自动识别是海洋资源开发水下设备与水中武器系统智能化的核心问题，也是国内外一致公认的技术难题。
[0003]目前对流体中目标识别主要通过光信号或声信号进行，由于光信号等在水中穿透能力有限，且高频信号的衰减急剧加快，导致难以采集远距离光信号；低频的声信号具有良好的传播性，是水中观察和测量的重要手段，声呐利用灵敏的接受系统采集水流、鱼类和舰船等水中目标在水中运动时产生的辐射噪声，从而进行目标的定位与识别。
[0004]由于水下噪声来源十分复杂，同时受水体和地表反射的干扰较大，难以直接根据信号进行目标识别，必须要进行复杂的信号处理工作。传统的目标识别依赖人工分析目标信号的频谱、起伏变化等特征，对识别人员的经验要求高而且效率较低。随着机器学习方法的应用，目标识别技术取得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于流场速度分量时程的水下物体外形识别的深度学习方法，其特征在于，包括以下步骤：S1：基于流场特征对水下目标体外形进行识别；S2：基于任意一点尾流速度分量时程信号对所述目标特征进行提取；S3：基于深度学习方法对所述尾流速度分量时程信号进行处理；S4：基于卷积神经网络对流场速度分量时程特征进行分类。2.根据权利要求1所述的一种基于流场速度分量时程的水下物体外形识别的深度学习方法，其特征在于，所述基于流场特征对水下目标体外形进行识别具体还包括：根据目标外形对流场特征的干扰来进行水下物体外形的识别；所述流场特征包括：流场的顺流向速度及流场的横向速度。3.根据权利要求1所述的一种基于流场速度分量时程的水下物体外形识别的深度学习方法，其特征在于，所述基于任意一点尾流速度分量时程信号对所述目标特征进行提取是根据尾流流场中的任意一点的...

【专利技术属性】
技术研发人员：战庆亮，白春锦，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：