【技术实现步骤摘要】
本专利技术涉及水声信号识别，尤其是涉及一种基于水声信号的舰船目标识别方法和系统。
技术介绍
1、水声目标识别(underwater acoustic target recognition，uatr)是水声信号处理领域的一个重要研究方向和技术问题，尤其是在远程目标检测和决策信息传输方面。声波是目前水下远距离传播唯一有效的信息载体，海洋中移动的舰船不可避免地会发出声信号。舰船辐射信号通常反映船体结构、螺旋桨结构、发动机功率、船况等类别信息，是船型评估和识别的重要身份信息。然而，传统的uatr方法一直依赖于训练有素的声纳操作员的人工判断，识别精度不仅受到心理、生理等主观因素的影响，还受到水下环境恶劣、信号强度低等客观条件的影响。因此，探索准确可靠的水声目标自动识别方法具有重要的现实意义。
2、目前，已经提出了许多成果来解决水声目标的自动识别问题。但目前的技术通常还存在如下两个问题亟待解决：
3、(1)由于舰船尺寸、航行速度和推进系统等因素的影响，不同的舰船辐射信号通常具有可区分的特征，现有的uatr特征提取方法通常专注于处理一种特定类型的特征，然而，单一特征通常不足以全面描述舰船辐射信号的独特特征，特别是在解决复杂环境条件下的uatr问题；
4、(2)由于海洋环境的复杂和背景噪声的干扰，现有的uatr特征提取方法受噪声的影响较大，这影响了舰船目标识别的准确程度。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出
2、根据本专利技术的第一方面实施例的一种基于水声信号的舰船目标识别方法，所述基于水声信号的舰船目标识别方法包括如下步骤：
3、提取舰船的水声信号的多视图时域信号表示，并将所述多视图时域信号表示转换成时频谱特征；
4、将所述时频谱特征输入至串接的多个多尺度卷积块中的首个所述多尺度卷积块中，以得到最后一个所述多尺度卷积块输出的最终特征，并将所述最终特征输入平均池化层和全连接层中，得到所述全连接层输出的舰船目标识别结果；其中，任意两个所述多尺度卷积块的结构相同，且任意一个所述多尺度卷积块将所述时频谱特征或串接的上一个所述多尺度卷积块输出的特征并行输入至一组具有不同内核的残差卷积块，以得到每一个所述残差卷积块输出的多尺度特征图，合并每一个的所述多尺度特征图，得到合并后特征图，将所述合并后特征图输入至自适应通道注意力块中，得到所述自适应通道注意力块输出的中间特征或所述最终特征，所述中间特征作为串接的下一个所述多尺度卷积块输入的特征。
5、根据本专利技术实施例的控制方法，至少具有如下有益效果：
6、首先提取水声信号的多视图时域信号表示，提取了同一数据的多种表示形式，每种表示形式侧重于不同的频率分量，丰富了特征表示；其次以提取关注不同频率分量的时频谱特征，作用于后续的模型识别中；然后在模型识别中，采用部署了多个连续的基于注意力的多尺度卷积块来学习与识别不同类别的舰船的水声信号相关的关键特征，具体是利用一组具有不同内核的并行残差卷积块来捕获多尺度特征，以进一步学习不同尺度的光谱空间判别特征，然后采用自适应通道注意模块来突出全局特征中的主导部分并抑制干扰噪声；最后基于模型准确和高效的输出水声信号中舰船的类别。
7、根据本专利技术的一些实施例，任意一个所述残差卷积块包括多个串接的二维卷积层，串接的所述二维卷积层之间采用1x1卷积层进行通道连接，任意两个所述二维卷积层的卷积核相同且每个所述二维卷积层后连接批量归一化和整流线性单元；所述任意一个所述残差卷积块将所述时频谱特征或串接的上一个所述多尺度卷积块输出的特征输入至所述多个串接的二维卷积层中的首个所述二维卷积层中，以得到最后一个所述二维卷积层输出的多尺度特征图。
8、根据本专利技术的一些实施例，所述自适应通道注意力块采用平均池化聚合所述合并后特征图中每个通道的全局统计特征，并通过reshape生成中间张量，将所述中间张量输入至具有两个完全连接层的mlp模块，捕获非线性通道间关系并为所有通道生成注意力权重，将所述注意力权重与所述合并后特征图逐元素相乘，输出中间特征或所述最终特征。
9、根据本专利技术的一些实施例，所述多尺度卷积块包括三个并行的所述残差卷积块且所述三个并行的所述残差卷积块的卷积核大小为3、5和7。
10、根据本专利技术的一些实施例，所述提取水声信号的多视图时域信号表示，并将所述多视图时域信号表示转换成时频谱特征，包括：
11、采用一组带通滤波器提取水声信号的多视图时域信号表示；每个所述带通滤波器都具有不重叠的频带；
12、采用梅尔滤波器将所述多视图时域信号表示转换成时频谱特征。
13、根据本专利技术的一些实施例，在所述采用一组带通滤波器提取水声信号的多视图时域信号表示之前，所述基于水声信号的舰船目标识别方法还包括：
14、在所述水声信号中增加高斯噪声。
15、根据本专利技术的一些实施例，在所述采用梅尔滤波器将所述多视图时域信号表示转换成时频谱特征之前，所述基于水声信号的舰船目标识别方法还包括：
16、采用specaugment方法对所述时频谱特征进行数据增强。
17、根据本专利技术的第二方面实施例的基于水声信号的舰船目标识别系统，所述基于水声信号的舰船目标识别系统包括：
18、特征提取单元，用于提取舰船的水声信号的多视图时域信号表示，并将所述多视图时域信号表示转换成时频谱特征；
19、目标识别单元，用于将所述时频谱特征输入至串接的多个多尺度卷积块中的首个所述多尺度卷积块中，以得到最后一个所述多尺度卷积块输出的最终特征，并将所述最终特征输入平均池化层和全连接层中，得到所述全连接层输出的舰船目标识别结果；其中，任意两个所述多尺度卷积块的结构相同，且任意一个所述多尺度卷积块将所述时频谱特征或串接的上一个所述多尺度卷积块输出的特征并行输入至一组具有不同内核的残差卷积块，以得到每一个所述残差卷积块输出的多尺度特征图，合并每一个的所述多尺度特征图，得到合并后特征图，将所述合并后特征图输入至自适应通道注意力块中，得到所述自适应通道注意力块输出的中间特征或所述最终特征，所述中间特征作为串接的下一个所述多尺度卷积块输入的特征。
20、根据本专利技术的第三方面实施例的一种电子设备，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行上述的基于水声信号的舰船目标识别方法。
21、根据本专利技术的第四方面实施例的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行上述的基于水声信号的舰船目标识别方法。
22、本专利技术的其它特征和优点将在随后的说明本文档来自技高网...
【技术保护点】
1.一种基于水声信号的舰船目标识别方法，其特征在于，所述基于水声信号的舰船目标识别方法包括如下步骤：
2.根据权利要求1所述的基于水声信号的舰船目标识别方法，其特征在于，任意一个所述残差卷积块包括多个串接的二维卷积层，串接的所述二维卷积层之间采用1x1卷积层进行通道连接，任意两个所述二维卷积层的卷积核相同且每个所述二维卷积层后连接批量归一化和整流线性单元；所述任意一个所述残差卷积块将所述时频谱特征或串接的上一个所述多尺度卷积块输出的特征输入至所述多个串接的二维卷积层中的首个所述二维卷积层中，以得到最后一个所述二维卷积层输出的多尺度特征图。
3.根据权利要求2所述的基于水声信号的舰船目标识别方法，其特征在于，所述自适应通道注意力块采用平均池化聚合所述合并后特征图中每个通道的全局统计特征，并通过reshape生成中间张量，将所述中间张量输入至具有两个完全连接层的MLP模块，捕获非线性通道间关系并为所有通道生成注意力权重，将所述注意力权重与所述合并后特征图逐元素相乘，输出中间特征或所述最终特征。
4.根据权利要求1所述的基于水声信号的舰船目标识别方法
5.根据权利要求1所述的基于水声信号的舰船目标识别方法，其特征在于，所述提取水声信号的多视图时域信号表示，并将所述多视图时域信号表示转换成时频谱特征，包括：
6.根据权利要求5所述的基于水声信号的舰船目标识别方法，其特征在于，在所述采用一组带通滤波器提取水声信号的多视图时域信号表示之前，所述基于水声信号的舰船目标识别方法还包括：
7.根据权利要求5所述的基于水声信号的舰船目标识别方法，其特征在于，在所述采用梅尔滤波器将所述多视图时域信号表示转换成时频谱特征之前，所述基于水声信号的舰船目标识别方法还包括：
8.一种基于水声信号的舰船目标识别系统，其特征在于，所述基于水声信号的舰船目标识别系统包括：
9.一种电子设备，其特征在于：包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行权利要求1至7任一项所述的基于水声信号的舰船目标识别方法。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行权利要求1至7任一项所述的基于水声信号的舰船目标识别方法。
...【技术特征摘要】
1.一种基于水声信号的舰船目标识别方法，其特征在于，所述基于水声信号的舰船目标识别方法包括如下步骤：
2.根据权利要求1所述的基于水声信号的舰船目标识别方法，其特征在于，任意一个所述残差卷积块包括多个串接的二维卷积层，串接的所述二维卷积层之间采用1x1卷积层进行通道连接，任意两个所述二维卷积层的卷积核相同且每个所述二维卷积层后连接批量归一化和整流线性单元；所述任意一个所述残差卷积块将所述时频谱特征或串接的上一个所述多尺度卷积块输出的特征输入至所述多个串接的二维卷积层中的首个所述二维卷积层中，以得到最后一个所述二维卷积层输出的多尺度特征图。
3.根据权利要求2所述的基于水声信号的舰船目标识别方法，其特征在于，所述自适应通道注意力块采用平均池化聚合所述合并后特征图中每个通道的全局统计特征，并通过reshape生成中间张量，将所述中间张量输入至具有两个完全连接层的mlp模块，捕获非线性通道间关系并为所有通道生成注意力权重，将所述注意力权重与所述合并后特征图逐元素相乘，输出中间特征或所述最终特征。
4.根据权利要求1所述的基于水声信号的舰船目标识别方法，其特征在于，所述多尺度卷积块包括三个并行的所述残差卷积块且所述三个并行的所述残差卷积块的卷积核大小分别为3、5和7。
5....
【专利技术属性】
技术研发人员：周翱隆，李小勇，宋君强，任开军，冷洪泽，邓科峰，金文婧，李平政，
申请(专利权)人：中国人民解放军国防科技大学，
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。