[發(fā)明專利]基于概率假設(shè)密度粒子濾波算法的魚(yú)群數(shù)量估計(jì)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201611206600.9
• 申請(qǐng)日: 2016-12-23
• 公開(kāi)（公告）號(hào): CN106772401A
• 公開(kāi)（公告）日: 2017-05-31
• 發(fā)明（設(shè)計(jì)）人: 韓軍;荊丹翔;王杰英;杜鵬飛;章旻昊;任佳
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類(lèi)號(hào): G01S15/96
• 分類(lèi)號(hào): G01S15/96;G01S7/539
• 代理公司: 杭州求是專利事務(wù)所有限公司33200
• 代理人: 邱啟旺

技術(shù)領(lǐng)域

本發(fā)明屬于漁業(yè)資源評(píng)估技術(shù)領(lǐng)域，尤其涉及一種基于概率假設(shè)密度粒子濾波算法的魚(yú)群數(shù)量估計(jì)方法。

背景技術(shù)

漁業(yè)資源評(píng)估是現(xiàn)代漁業(yè)開(kāi)發(fā)過(guò)程中的重要環(huán)節(jié)，其中魚(yú)群數(shù)量統(tǒng)計(jì)是漁業(yè)資源評(píng)估最基本的要求。傳統(tǒng)方法主要依靠采樣捕撈，這對(duì)魚(yú)類(lèi)資源本身具有損害；或者采用計(jì)量魚(yú)探儀，利用回波積分法或回波計(jì)數(shù)法進(jìn)行量測(cè)，這只能粗略估算魚(yú)群數(shù)量，誤差較大。現(xiàn)代社會(huì)對(duì)漁業(yè)資源的質(zhì)量和產(chǎn)量提高、有效保護(hù)海洋生態(tài)系統(tǒng)，實(shí)現(xiàn)海洋資源的可持續(xù)發(fā)展提出了更高要求。例如應(yīng)運(yùn)而生的海洋牧場(chǎng)，就是傳統(tǒng)捕撈和養(yǎng)殖方式向增殖和管理利用方式轉(zhuǎn)變的一種現(xiàn)代漁業(yè)形式。在這樣的情況下，如何快速準(zhǔn)確，又不需要大量人力、物力消耗地高精度魚(yú)群數(shù)量估計(jì)成為目前急需解決的問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明的目的是針對(duì)上述不足，提供一種基于概率假設(shè)密度粒子濾波算法的魚(yú)群數(shù)量估計(jì)方法。

為了達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案如下：基于概率假設(shè)密度粒子濾波算法的魚(yú)群數(shù)量估計(jì)方法，包括以下步驟：

(1)將雙頻識(shí)別聲吶固定在調(diào)查船的船舷外側(cè)或船底，并將其朝下浸沒(méi)于水中，將姿態(tài)傳感器固定在調(diào)查船上；

(2)將雙頻識(shí)別聲吶通過(guò)網(wǎng)線與上位機(jī)相連，上位機(jī)實(shí)時(shí)獲取走航時(shí)的聲學(xué)數(shù)據(jù)，同時(shí)將姿態(tài)傳感器接入上位機(jī)，上位機(jī)獲取當(dāng)前時(shí)刻調(diào)查船的姿態(tài)信息；

(3)對(duì)步驟(2)獲得的聲學(xué)數(shù)據(jù)進(jìn)行圖像構(gòu)建與圖像預(yù)處理得到聲學(xué)圖像，提取有效目標(biāo)，利用概率假設(shè)密度粒子濾波算法，通過(guò)粒子預(yù)測(cè)、更新、重采樣、目標(biāo)狀態(tài)提取，統(tǒng)計(jì)聲學(xué)圖像中的有效目標(biāo)數(shù)量；

(4)將GPS接入上位機(jī)，上位機(jī)記錄下探測(cè)航跡，并結(jié)合雙頻識(shí)別聲吶的探測(cè)范圍，得到雙頻識(shí)別聲吶掃過(guò)水體的體積，將步驟(3)獲得的目標(biāo)數(shù)量除以雙頻識(shí)別聲吶掃過(guò)水體的體積，得到魚(yú)群密度；

(5)根據(jù)已知水域的蓄水量，乘上步驟(4)中的魚(yú)群密度，得到整個(gè)水域中魚(yú)體數(shù)量。

進(jìn)一步的，所述聲學(xué)數(shù)據(jù)由多幀數(shù)據(jù)組成，每一幀數(shù)據(jù)代表一幅矩形聲學(xué)圖像。

進(jìn)一步的，所述雙頻識(shí)別聲吶布置于水面附近，深度不超過(guò)1米。

進(jìn)一步的，所述雙頻識(shí)別聲吶波束探測(cè)方向與水面夾角選取0°至90°之間任意角度。

進(jìn)一步的，所述調(diào)查船的航速不大于6節(jié)。

進(jìn)一步的，所述步驟(3)具體為：

(3.1)根據(jù)笛卡爾坐標(biāo)系到極坐標(biāo)系的坐標(biāo)轉(zhuǎn)換關(guān)系，將權(quán)利要求2中的矩形聲學(xué)圖像轉(zhuǎn)換成扇形圖，并通過(guò)插值將扇形圖填充完整；

(3.2)將(3.1)得到的扇形圖像進(jìn)行線性拉伸處理；

(3.3)利用圖像差分原理，將拉伸后的圖像中的背景去除，留下圖像中的有效目標(biāo)，即水中的魚(yú)體；

(3.4)利用概率假設(shè)密度粒子濾波算法，通過(guò)粒子預(yù)測(cè)、更新、重采樣、目標(biāo)狀態(tài)提取實(shí)現(xiàn)有效目標(biāo)的跟蹤，并統(tǒng)計(jì)目標(biāo)個(gè)數(shù)；

(3.5)將拉伸后的圖像進(jìn)行實(shí)時(shí)顯示，并用不同顏色將每一個(gè)目標(biāo)的軌跡顯示出來(lái)。

進(jìn)一步的，所述步驟(3.4)具體為：

(3.4.1)定義有效目標(biāo)在k時(shí)刻的系統(tǒng)狀態(tài)向量為其中(u_k,v_k)是有效目標(biāo)在聲吶圖像中的位置，是有效目標(biāo)在聲吶圖像中的速度；定義有效目標(biāo)在k時(shí)刻的觀測(cè)向量為其中r是聲納圖像中有效目標(biāo)相對(duì)于扇形對(duì)應(yīng)的圓心的觀測(cè)距離，α是對(duì)應(yīng)的觀測(cè)角度；定義Z_k為k時(shí)刻所有有效目標(biāo)的觀測(cè)向量集合；

(3.4.2)已知k-1時(shí)刻概率假設(shè)密度函數(shù)(PHD函數(shù))的粒子集合其中w_k-1是粒子的權(quán)值，L_k-1代表粒子個(gè)數(shù)；

對(duì)于其中按照采樣獲得的粒子，計(jì)算預(yù)測(cè)粒子的權(quán)值為：

其中i＝1,…,L_k-1，q_k(·|x_k-1,Z_k)是用來(lái)產(chǎn)生PHD函數(shù)中衍生目標(biāo)的目標(biāo)強(qiáng)度函數(shù)和繼續(xù)存活目標(biāo)的目標(biāo)強(qiáng)度函數(shù)對(duì)應(yīng)粒子的概率密度函數(shù)；其中表示為：

其中e_k|k-1(x_k-1)是目標(biāo)在k時(shí)刻的存活概率，是單個(gè)目標(biāo)的狀態(tài)轉(zhuǎn)移分布函數(shù)；

對(duì)于其中按照采樣獲得的粒子，計(jì)算預(yù)測(cè)粒子的權(quán)值為：