一种基于深度学习的矢量直线阵列水声目标识别方法技术

本发明专利技术涉及一种基于深度学习的矢量直线阵列水声目标识别方法，所述的识别方法使用矢量直线阵列接收的数据建立数据库，矢量直线阵列不但可以接收声压信息，而且可以得到同一位置的全方向的振速信息，包括如下步骤：建立数据库；数据预处理；深度学习模型构建。本发明专利技术所述的识别方法采用的是矢量阵列信号特征向量具有较强的抗干扰能力，更加有利于低噪声水声目标的特征向量提取，对于水声目标识别，其识别成功率高于同等条件下的声压信号。同时，数据库的建立阶段，采用改进型的递归神经网络，预测海洋背景噪声，消除了目标通道中的部分干扰噪声，提升了数据样本质量，有利于模型的准确快速学习建立。确快速学习建立。确快速学习建立。

【技术实现步骤摘要】
一种基于深度学习的矢量直线阵列水声目标识别方法


[0001]本专利技术涉及水声设备设计与制造领域，尤其是指一种基于深度学习的矢量直线阵列水声目标识别方法。

技术介绍

[0002]水声目标识别一直以来都是水声目标研究的重点。水声目标特征向量作为水声目标识别的主要手段。水声目标特征向量是声基阵接收的原始水声数据经过信号处理得到的一种能够代表目标属性和状态的信息。水声目标主要包括噪声、运动、尾流、几何结构等特征信息。
[0003]传统水声目标识别需要进行目标特征提取，这一过程需要通过人工分析手段提取时频谱特征或其他类型的特征，目标识别过程具有较强的人机交互特性，需要研究人员具备较强的数据分析能力、先验知识及专业素养，而弱目标本身信噪比就很低，其特征提取难度也随之提升，目标识别更加困难。

技术实现思路

[0004]为此，本专利技术所要解决的技术问题在于克服现有技术中水声目标识别依赖人为因素参与、识别难度大的问题，从而提供一种基于深度学习的矢量直线阵列水声目标识别方法。
[0005]为解决上述技术问题，本专利技术的一种基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的矢量直线阵列水声目标识别方法，所述的识别方法使用矢量直线阵列接收的数据建立数据库，矢量直线阵列不但可以接收声压信息，而且可以得到同一位置的全方向的振速信息，其特征在于，包括如下步骤：步骤S1：使用矢量直线阵列接收的数据建立数据库，矢量传感器能够同时测量同一位置的声场中的声压p和相互正交的两个振速分量ν
x
、ν
y
，在平面波条件下有：上式中x(t)声压波形，θ
s
为声波传播的水平方位角；步骤S2：利用声场两个振速分量的加权线性组合可以是波束在二维空间旋转，令：ν
c
(t)＝ν
x
(t)cosψ+ν
y
(t)sinψν
s
(t)＝
‑
ν
x
(t)sinψ+ν
y
(t)cosψ上式中Ψ为引导方位；步骤S3：数据预处理模型使用连接了10个串联的LSTM multicell，每个multicell的输出都是一个线性回归，代价函数选取为均方误差损失函数；步骤S4：选择逻辑回归算法构建学习模型，逻辑回归模型表示：h
θ
(x)＝g(θ
T
X)其中：X表示特征向量；g表示逻辑函数，则h
θ
...

【专利技术属性】
技术研发人员：王长宏，
申请(专利权)人：海鹰企业集团有限责任公司，
类型：发明
国别省市：