[发明专利]一种基于卷积神经网络的水下目标识别方法

摘要

本发明公开了一种基于卷积神经网络的水下目标识别方法，包括：1模拟水声目标辐射噪声；2获取水下目标跟踪波束；3获取目标跟踪波束的时频图，所有时频图按照固定时长分割并划分为训练样本和测试样本；4对样本进行数据增强，尺寸缩放、裁剪；5将带有标签的训练样本输入建立的卷积神经网络，进行有监督学习，得到卷积神经网络各层参数；6利用各层参数初始化网络，得到具有水下目标识别功能的卷积神经网络；7拖曳阵获取待测航行目标的辐射噪声，转换为时频图并分割，分割后的子图作为待测样本输入卷积神经网络中，得到每个子图的识别结果，将识别出的目标数量最多的目标作为最终识别结果。该方法可以在高海洋背景噪声的条件下使水下目标的识别保持较高的精度和速度。

主权项

1.一种基于卷积神经网络的水下目标识别方法，其特征在于，包括如下步骤：(1)模拟水声目标辐射噪声中的连续谱分量调制信号Rc(t)和线谱分量Rl(t)，构成水声目标辐射噪声R(t)，R(t)＝Rc(t)+Rl(t)；(2)模拟海况背景噪声，得到拖曳阵获取的水下目标的跟踪波束g(t)；(3)获取目标跟踪波束的时频图，将不同目标的时频图添加标签，所述标签标示了时频图对应的水下目标；将所有时频图按照固定时长△T进行分割，分割后的每个目标的时频图子图划分为训练样本集和测试样本集；(4)对训练样本集和测试样本集进行数据增强，尺寸缩放、裁剪；(5)将带有标签的训练样本输入建立的卷积神经网络，进行有监督的学习，得到卷积神经网络的各层参数；(6)利用训练后的卷积神经网络各层的参数，对网络进行初始化，得到具有水下目标识别功能的卷积神经网络；(7)拖曳阵获取待测航行目标的辐射噪声y(t)，对y(t)通过短时傅里叶变换画出待测目标时频图，将待测目标时频图按照固定时长△T进行分割，分割后的每个子图作为待测数据；将待测数据输入步骤(6)得到的具有水下目标识别功能的卷积神经网络中，得到每个子图的识别结果，将识别出的目标数量最多的目标作为最终识别结果。