[发明专利]一种基于卷积神经网络的水下目标识别方法在审
申请号: | 201810669600.5 | 申请日: | 2018-06-26 |
公开(公告)号: | CN109100710A | 公开(公告)日: | 2018-12-28 |
发明(设计)人: | 武其松;徐萍;方世良 | 申请(专利权)人: | 东南大学 |
主分类号: | G01S7/527 | 分类号: | G01S7/527;G01S7/536;G01S7/539;G06K9/00;G06K9/62 |
代理公司: | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人: | 常虹 |
地址: | 211189 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
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。 | ||
搜索关键词: | 卷积神经网络 水下目标 波束 训练样本 时频 分割 噪声 参数初始化 测试样本 尺寸缩放 待测样本 辐射噪声 固定时长 海洋背景 获取目标 目标辐射 数据增强 跟踪 裁剪 水声 样本 标签 转换 网络 监督 学习 | ||
【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。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东南大学,未经东南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810669600.5/,转载请声明来源钻瓜专利网。