【技术实现步骤摘要】
基于社会文化文明演进策略的水下磁性目标识别方法
[0001]本专利技术涉及一种基于人工智能的水下目标的智能识别方法，属于人工智能和水下信号处理领域。
技术介绍
[0002]目标识别是广泛应用于各类水下系统中的一项关键技术，对水下系统态势感知、综合导航、入侵检测和应对策略制订具有重要的意义。在实际工程应用中，目标水下信号的传输信道复杂且受干扰较多，传统目标识别方法利用信息不充分，难以得到可靠的识别结果，因此利用磁场对目标进行分类识别的方法受到了越来越多的重视。
[0003]水下目标的磁场包括固定磁场和感应磁场，如目标壳体磁化产生的固定磁场；目标运动或摇摆产生的涡流磁场；目标搭载的设备工作如抗腐蚀系统或电力推进系统产生的磁场等。水下目标磁场的频率一般较低，传统的磁性目标识别方法需要较多先验信息并进行较复杂的人工数据分析，随着人工智能技术的发展，设计智能化的水下磁性目标识别方法具有重要的意义。深度学习技术中的循环神经网络可以对时序序列进行分析，其中长短时记忆(LSTM)神经网络可以较好地分析和学习数据时间步之间的长期依赖性...
【技术保护点】
【技术特征摘要】
1.基于社会文化文明演进策略的水下磁性目标识别方法，本发明的技术方案是：接收磁场信号并进行数据预处理，在水下布设磁传感器，采用三分量磁强计对水下目标的三个方向磁场分量同时进行测量，将D个朝向不同的磁强计按照直线排列，记录目标通过测量区域后得到的空间通过特性信号，对空间通过特性信号进行N次等间隔采样，得到D个长度为N的离散空间通过特性信号x
d
＝[x
d
(1)，x
d
(2)，
…
，x
d
(N)]，d＝1，2，
…
，D；初始化个体并组成文明空间，设置文明空间的群体规模为P，最大迭代次数为G，迭代数标号为g，g∈[1，G]，在第g次迭代中，文明空间表示为由P个M维个体组成，第g个个体具体表示为每个个体的每一维初始值为[0，1]内的均匀随机数；定义LSTM神经网络的架构，LSTM神经网络可以学习时序数据时间步之间的依赖性和相关性，将LSTM神经网络作为识别系统中的分类器，数据通过神经网络的流程如下：首先将数据输入到具有n1个神经元的双向LSTM层，其中激活函数使用双曲正切函数，并输出序列的最后一个元素，再通过大小为n2的全连接层，最后通过softmax层和分类层，实现神经网络对数据内部依赖关系的自动挖掘和学习；设计社会文化文明演进策略演化LSTM神经网络分类器并定义适应度函数，在本发明中，社会文化文明演进策略被用于嵌入式优化LSTM神经网络中的关键参数，包括神经网络隐藏层神经元个数、神经网络训练次数和每次训练的批尺寸，由此定义社会文化文明演进策略中每个个体的适应度函数值为其中对应隐藏层神经元个数，对应训练次数，对应批尺寸，表示使用当前个体所代表的参数训练LSTM神经网络后神经网络对测试集分类的准确率，c1、c2和c3为常数，在离线阶段，社会文化文明演进策略可以自适应地调节和优化这些参数，以达到使用较少的运...
【专利技术属性】
技术研发人员：胡平，岳瑞永，赵哲，邵军，张静，贾理男，
申请(专利权)人：中国船舶重工集团公司第七六零研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。