[發(fā)明專利]基于稀疏且魯棒FisherSVM的聲納信號判別系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 202010745115.9
• 申請日: 2020-07-29
• 公開（公告）號: CN111950609A
• 公開（公告）日: 2020-11-17
• 發(fā)明（設計）人: 張莉;張正齊;屈蘊茜;章曉芳;王邦軍;周偉達
• 申請（專利權）人: 蘇州大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01S15/88
• 代理公司: 蘇州市中南偉業(yè)知識產權代理事務所(普通合伙) 32257
• 代理人: 張榮

1.一種基于稀疏且魯棒FisherSVM的聲納信號判別系統(tǒng)，其特征在于，包括：

數(shù)據(jù)預處理模塊，用于統(tǒng)計收集海洋聲納探測的相關資料，作為訓練集，對所述訓練集中的數(shù)據(jù)進行歸一化；

數(shù)據(jù)訓練模塊，用于根據(jù)歸一化處理后的數(shù)據(jù)對模型進行訓練形成訓練模型，所述訓練模型包括判別函數(shù)其中α＝[α₁,…,α_l]^T為判別函數(shù)的權重向量，b為判別函數(shù)的偏差；

數(shù)據(jù)預測模塊，用于將待預測的聲納信號數(shù)據(jù)進行歸一化處理后輸入至所述訓練模型中，對被探測物體返回的聲納信號進行預測。

2.根據(jù)權利要求1所述的基于稀疏且魯棒FisherSVM的聲納信號判別系統(tǒng)，其特征在于：所述判別函數(shù)的權重向量和偏差的計算方法為：利用其中γ_K和γ_F為非負正則化參數(shù)，核矩陣K的第i行第j列為[K]_ij＝k(x_i,x_j),i,j＝1,2,...,l，N＝I-G,是單位矩陣，G為與類別相關的預設矩陣，對角矩陣D_y的第i行第i列為[D_y]_ii＝y(tǒng)_i，松弛變量且L_τ(·)為彈球損失函數(shù)，判別函數(shù)的權重向量α＝α⁺-α^-，判別函數(shù)的偏差b＝b⁺-b^-。

3.根據(jù)權利要求2所述的基于稀疏且魯棒FisherSVM的聲納信號判別系統(tǒng)，其特征在于：所述彈球損失函數(shù)其中0＜τ≤1。

4.根據(jù)權利要求1所述的基于稀疏且魯棒FisherSVM的聲納信號判別系統(tǒng)，其特征在于：所述訓練集為其中y_i∈{±1}，標簽為y_i＝1的是探測物體為金屬物體的聲納信號數(shù)據(jù)集合，標簽為y_i＝-1的是探測物體為巖石的聲納信號數(shù)據(jù)集合，每個樣本的特征數(shù)為d，且l為訓練集樣本總數(shù)。

5.根據(jù)權利要求1所述的基于稀疏且魯棒FisherSVM的聲納信號判別系統(tǒng)，其特征在于：對所述訓練集中的數(shù)據(jù)進行歸一化的方法為：將所述訓練集中的每個數(shù)據(jù)映射到區(qū)間[0,1]中。

6.根據(jù)權利要求1所述的基于稀疏且魯棒FisherSVM的聲納信號判別系統(tǒng)，其特征在于：對被探測物體返回的聲納信號進行預測的方法為：對被探測物體返回的聲納信號進行判斷

7.根據(jù)權利要求6所述的基于稀疏且魯棒FisherSVM的聲納信號判別系統(tǒng)，其特征在于：對被探測物體返回的聲納信號進行判斷時，若為1，則探測物體為金屬物體，否則探測物體為巖石。

8.一種基于稀疏且魯棒FisherSVM的聲納信號判別方法，其特征在于，包括如下步驟：

步驟S1：統(tǒng)計收集海洋聲納探測的相關資料，作為訓練集，對所述訓練集中的數(shù)據(jù)進行歸一化；

步驟S2：根據(jù)歸一化處理后的數(shù)據(jù)對模型進行訓練形成訓練模型，所述訓練模型包括判別函數(shù)其中α＝[α₁,…,α_l]^T為判別函數(shù)的權重向量，b為判別函數(shù)的偏差；

步驟S3：將待預測的聲納信號數(shù)據(jù)進行歸一化處理后輸入至所述訓練模型中，對被探測物體返回的聲納信號進行預測。