[發明專利]一種基于卷積神經網絡的水下目標被動檢測方法

在審

• 申請號: 202010432897.0
• 申請日: 2020-05-21
• 公開（公告）號: CN111624585A
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 申曉紅;孫琦璇;王謀;董海濤;馬石磊;鎖健;王逸平
• 申請（專利權）人: 西北工業大學
• 主分類號: G01S11/14
• 分類號: G01S11/14;G06F17/14;G06N3/04;G06N3/08
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 金鳳

1.一種基于卷積神經網絡的水下目標被動檢測方法，其特征在于包括下述步驟：

步驟一：接收信號；

水聽器接收水下目標的信號y(t)，

其中h(t)為海洋信道沖擊響應，s(t)表示水下目標信號，n(t)為海洋環境噪聲，*為卷積運算，t為時間變量；

步驟二：接收信號預處理

將接收到的信號y(t)，進行去直流，然后進行分幀加窗，預處理后的信號為x(t)；

步驟三：短時傅里葉變換；

將分幀加窗后的信號進行傅里葉變換，計算公式如下所示：

式中，w(t)為窗函數，τ為時延，f表示信號頻率；ω為信號的角頻率ω＝2πf，π表示圓周率；

步驟四：獲得對數梅爾能量譜；

獲得對數梅爾能量譜的步驟包括：

將每一幀的信號經過步驟三之后得到Y(i,t,f)＝[STFT(i,t,f)]²，經過平方處理，得到Y(i,t,f)＝[STFT(i,t,f)]²，其中i表示第i幀；

將得到的信號頻率轉換為梅爾頻率，轉換公式如下：

mel＝2595×log₁₀(1+f/700)

最后去對數即可得到每一幀信號的對數梅爾能量譜，計算公式如下：

Log-mel(i)＝Y(i,t,mel)

步驟五：劃分數據集；

信號經過特征提取之后，將獲得的對數梅爾能量譜作為數據集，將數據集分成訓練集、測試集，通過人工標注確定每個圖像有無水下目標；

步驟六：構建卷積神經網絡

通過訓練樣本集對卷積神經網絡進行訓練；

步驟七：訓練優化神經網絡模型

通過調節卷積神經網路的超參數，以提高網絡的學習性能和效果，超參數包括學習率、批次大小、卷積核尺寸以及激活函數；

步驟八：實現水下目標被動檢測；

將待測數據經過步驟一至步驟四之后，通過步驟七優化好的神經網絡模型給出檢測結果，實現水下目標被動檢測。

2.根據權利要求1所述的一種基于卷積神經網絡的水下目標被動檢測方法，其特征在于：

所述步驟五中，訓練集和測試集的比例為7:3。