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

在審

• 申請(qǐng)?zhí)枺?/td>: 202010745115.9
• 申請(qǐng)日: 2020-07-29
• 公開(kāi)（公告）號(hào): CN111950609A
• 公開(kāi)（公告）日: 2020-11-17
• 發(fā)明（設(shè)計(jì)）人: 張莉;張正齊;屈蘊(yùn)茜;章曉芳;王邦軍;周偉達(dá)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 蘇州大學(xué)
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G01S15/88
• 代理公司: 蘇州市中南偉業(yè)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32257
• 代理人: 張榮

本發(fā)明涉及一種基于稀疏且魯棒FisherSVM的聲納信號(hào)判別系統(tǒng)及方法,包括：數(shù)據(jù)預(yù)處理模塊，用于統(tǒng)計(jì)收集海洋聲納探測(cè)的相關(guān)資料，作為訓(xùn)練集，對(duì)所述訓(xùn)練集中的數(shù)據(jù)進(jìn)行歸一化；數(shù)據(jù)訓(xùn)練模塊，用于根據(jù)歸一化處理后的數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練形成訓(xùn)練模型，所述訓(xùn)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(quán)重向量，b為判別函數(shù)的偏差；數(shù)據(jù)預(yù)測(cè)模塊，用于將待預(yù)測(cè)的聲納信號(hào)數(shù)據(jù)進(jìn)行歸一化處理后輸入至所述訓(xùn)練模型中，對(duì)被探測(cè)物體返回的聲納信號(hào)進(jìn)行預(yù)測(cè)。本發(fā)明提高了對(duì)聲納信號(hào)分類(lèi)的效率和準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及聲納信號(hào)判別系統(tǒng)的技術(shù)領(lǐng)域，尤其是指一種基于稀疏且魯棒FisherSVM的聲納信號(hào)判別系統(tǒng)及方法。

背景技術(shù)

近年來(lái)，隨著科學(xué)技術(shù)的高速發(fā)展，人類(lèi)對(duì)覆蓋地球總面積70％的海洋的認(rèn)識(shí)逐漸深化。海洋因其經(jīng)濟(jì)上的巨大潛力和戰(zhàn)略上的重要地位也越來(lái)越被人們所重視。因?yàn)楹Ｋ奶厥庑再|(zhì)，電磁波、光波在海水中均不能有效傳遞信息。實(shí)驗(yàn)證明，在人們所熟知的各種輻射信號(hào)中，以聲波在海水中的傳播性能最佳。聲波在水中傳播的衰減亦相對(duì)較小，低頻的聲波甚至可以穿透海底幾千米的地層。因此，無(wú)論潛艇還是水面船只都只能利用聲納系統(tǒng)，對(duì)水下物體進(jìn)行探測(cè)。一個(gè)可靠的聲納信號(hào)判別系統(tǒng)能夠快速判別探測(cè)物體是普通巖石還是金屬物體，對(duì)金屬資源進(jìn)行快速準(zhǔn)確定位探測(cè)。

建立在統(tǒng)計(jì)學(xué)的VC維(Vapnik Chervonenks Dimension)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則基礎(chǔ)上的支持向量機(jī)(Support Vector Machine，SVM)，可應(yīng)用于模式識(shí)別和回歸分析。而后，Zhang等人從正則化的角度將線(xiàn)性判別分析和SVM結(jié)合提出了Fisher正則化支持向量機(jī)(FisherSVM)。對(duì)于二分類(lèi)問(wèn)題，F(xiàn)isherSVM能找到一個(gè)分類(lèi)超平面并且同時(shí)最大化類(lèi)間間隔和最小化類(lèi)內(nèi)散度。簡(jiǎn)單地說(shuō)，F(xiàn)isherSVM可以近似地滿(mǎn)足Fisher準(zhǔn)則并獲得良好的統(tǒng)計(jì)可分性。SVM和FisherSVM都是基于Hinge損失函數(shù)的，但是Hinge損失函數(shù)在抗噪性能方面有一定的欠缺，而且該算法構(gòu)造的模型不一定具有稀疏性，也就是說(shuō)該模型會(huì)關(guān)注相關(guān)樣本中不重要的樣本，從而會(huì)導(dǎo)致分類(lèi)器的泛化性能降低。面對(duì)復(fù)雜的海洋環(huán)境，如何提高對(duì)探測(cè)物體的識(shí)別準(zhǔn)確性，是本領(lǐng)域的技術(shù)人員需要解決的問(wèn)題。

發(fā)明內(nèi)容

為此，本發(fā)明所要解決的技術(shù)問(wèn)題在于克服現(xiàn)有技術(shù)中抗噪性、稀疏性上不足，導(dǎo)致識(shí)別準(zhǔn)確率低的問(wèn)題，從而提供一種具有良好的分類(lèi)性能和穩(wěn)定性，且識(shí)別準(zhǔn)確率高的基于稀疏且魯棒FisherSVM的聲納信號(hào)判別系統(tǒng)及方法。

為解決上述技術(shù)問(wèn)題，本發(fā)明的一種基于稀疏且魯棒FisherSVM的聲納信號(hào)判別系統(tǒng)，包括：數(shù)據(jù)預(yù)處理模塊，用于統(tǒng)計(jì)收集海洋聲納探測(cè)的相關(guān)資料，作為訓(xùn)練集，對(duì)所述訓(xùn)練集中的數(shù)據(jù)進(jìn)行歸一化；數(shù)據(jù)訓(xùn)練模塊，用于根據(jù)歸一化處理后的數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練形成訓(xùn)練模型，所述訓(xùn)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(quán)重向量，b為判別函數(shù)的偏差；數(shù)據(jù)預(yù)測(cè)模塊，用于將待預(yù)測(cè)的聲納信號(hào)數(shù)據(jù)進(jìn)行歸一化處理后輸入至所述訓(xùn)練模型中，對(duì)被探測(cè)物體返回的聲納信號(hào)進(jìn)行預(yù)測(cè)。

在本發(fā)明的一個(gè)實(shí)施例中，所述判別函數(shù)的權(quán)重向量和偏差的計(jì)算方法為：利用其中γ_K和γ_F為非負(fù)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，是單位矩陣，G為與類(lèi)別相關(guān)的預(yù)設(shè)矩陣，對(duì)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(quán)重向量α＝α⁺-α^-，判別函數(shù)的偏差b＝b⁺-b^-。