[發明專利]一種水中弱目標檢測方法

有效

• 申請號: 202010026118.7
• 申請日: 2020-01-10
• 公開（公告）號: CN111259942B
• 公開（公告）日: 2022-04-26
• 發明（設計）人: 王海燕;張紅偉;姚海洋;馬石磊;申曉紅
• 申請（專利權）人: 西北工業大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/80;G06V10/774;G06K9/62
• 代理公司: 西安凱多思知識產權代理事務所(普通合伙) 61290
• 代理人: 劉新瓊

1.一種水中弱目標檢測方法，其特征在于包括下述步驟：

步驟一：利用水聽器采集海洋中的聲信號，記為a(t)，即為輸入信號，將輸入信號按照下式(1)處理，使方差變為1；

其中：a(t_w)為聲信號a(t)第w個數據，N′為聲信號a(t)的數據個數；

步驟二：根據Takens重構定理對步驟一中的s(t)進行相空間重構；

利用G-P算法求取s(t)的重構維數與時間延遲，最后完成s(t)的相空間重構：

S(t_i)＝[s(t_i),s(t_i+τ),s(t_i+2τ),…,s(t_i+(m-1)τ)] (2)

其中s(t)表示輸入信號，S(t_i)表示重構后信號第i列，τ為延遲時間，m為嵌入維數，i為數據的下標；

步驟三：計算相空間重構后S(t)的相對變化熵數值，具體步驟為：

將初始時刻接收到的N個數據作為參考數據進行相空間重構，其中，N為數據處理時的數據個數，得到重構后的數據S₁(t)，然后按照下式(3)對S₁(t)進行微分得到S′₁(t)，最后求取S′₁(t)的奇異值并記為參考向量A；

其中：j＝1、2…m代表重構后的數據維度值，T代表數據采用率，i＝1、2…N-1代表重構后某一維數據的下標，S₁(t)為重構后的數據，S′₁(t)為S₁(t)微分后的數據，為重構后數據的第j維中第i+1個數據；

將初始時刻N個數據之后接收的數據作為待測數據S₂(t)進行相空間重構，重構完成后按照式(3)求取S₂(t)的微分S′₂(t)，并求取S′₂(t)的奇異值并記為待測向量B；

將待測向量B與參考向量A按照式(4)進行處理，得到相對向量C：

按照式(5)求取接收數據的相對變化熵H₀：

其中：ξ代表相應向量中元素的下標，G(C_ξ)表示相對向量C中m個元素的乘積，t_d為固定長度的時間段，N₀＝t_d×T÷N，H₀為固定時間段t_d內數據的相對變化熵；

步驟四：計算S(t_i)的Lyapunov指數最大值；

利用式(7)計算最大Lyapunov指數：

其中M為迭代次數，L_k為t_k時刻S(t_k)與鄰近點S₁(t_k)的間距，L'_k為t_k時刻S(t_k)與鄰近點S₁(t_k)經過固定時間演化后的間距，為求最大Lyapunov指數，只保留大于L_k的L′_k，t0為初始時刻，t_M為從初始時刻迭代M次后的時間；

步驟五：計算S(t_i)的關聯維數數值；

利用式(8)與式(9)計算關聯維數：

其中C_n(r)表示為式(9)計算的關聯積分，θ為Heaviside單位函數，K表示重構后相空間中矢量點的個數，r為矢量點間距值，k₁＝1,2,…,N′，k₂＝1,2,…,N′，并且k₁≠k₂；

其中，D_GP為關聯維數數值；

步驟六：構建水下多目標數據集；

通過水聽器錄取的背景噪聲與水中目標輻射噪聲的數據作為樣本集，然后利用上述步驟一至步驟五，分別求取樣本集的相對變化熵、Lyapunov指數和關聯維數三個特征值，并記為L＝{X₃,Y₃}；

其中：X₃為訓練集，Y₃為測試集，L為總的特征值集；

將X₃＝{x₁,x₂,x₃}作為訓練集，送入到SVM分類器進行訓練，Y₃＝{y₁,y₂,y₃}作為送入測試集到SVM分類器中進行測試；

步驟七：用SVM測試機進行檢測，把多類SVM分類器的測試集給出的分類結果，作為最終對水中弱目標的檢測結果。