[發明專利]一種基于遷移學習的水聲目標前向散射聲擾動定位方法

有效

• 申請號: 202010786170.2
• 申請日: 2020-08-07
• 公開（公告）號: CN111983619B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 雷波;張瑞;楊益新;汪勇
• 申請（專利權）人: 西北工業大學;西北工業大學青島研究院
• 主分類號: G01S15/06
• 分類號: G01S15/06;G01S7/52;G06N3/0464;G06N3/096
• 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

本發明涉及一種基于遷移學習的水聲目標前向散射聲擾動定位方法，提取水聲目標前向散射的聲擾動特征信息，結合仿真數據與少量實際數據對卷積神經網絡進行訓練并進行遷移學習，建立淺海水聲目標定位預測模型，可以實現對水聲目標的定位；相比現有定位方法，該方法可以減小環境失配對定位性能的影響。

技術領域

本發明涉及一種水聲目標定位方法，尤其涉及一種基于遷移學習的水聲目標前向散射聲擾動定位方法，屬于信號處理領域。

背景技術

隨著水下目標降噪技術和消聲技術的發展，目標輻射噪聲和目標強度逐漸降低，傳統的被動聲吶和收發合置主動聲吶越來越難以探測和定位水聲目標。近來年雙/多基地聲吶由于其特有的收發分置結構而越來越受到關注，到達接收端的是目標沿不同方向的前向和側向散射波。但是，由于直達波與目標前向散射波的混疊，雙/多基地聲吶在收發連線附近存在定位盲區，傳統的基于波達方向估計的定位方法難以對盲區內目標實現定位。

針對定位盲區問題，提出擾動聲線方法，將多條擾動聲線的交點作為目標定位結果，但在淺海遠距離的環境下該方法難以應用；敏感核定位方法將目標定位問題轉化為線性反演問題，但該方法由模型驅動因而容易受到環境失配的影響；利用神經網絡的定位方法面臨特征信息選取難的問題，仿真訓練數據則與實際數據存在一定的環境失配，方法不穩健。

鑒于現有方法在目標定位中的缺點，有必要研究一種模型數據與實際數據相結合的神經網絡定位方法，用以對盲區內水聲目標進行定位。

發明內容

要解決的技術問題

為了避免現有技術的不足之處，本發明提出一種基于遷移學習的水聲目標前向散射聲擾動定位方法，提取水聲目標的前向散射聲擾動信息，通過訓練神經網絡并進行遷移學習，實現對水聲目標定位，可以減小環境失配對定位性能的影響。

技術方案

一種基于遷移學習的水聲目標前向散射聲擾動定位方法，其特征在于步驟如下：

步驟1：發射陣為M個發射陣元構成的垂直陣，接收陣為N個接收陣元構成的垂直陣，定位區域為淺海環境下發射陣和接收陣之間的距離深度二維平面；基于聲場模型的模擬信號P_ij(t)和表示為

其中，P_ij(t)表示沒有目標時由第i個發射陣元發射聲源信號的情況下第j個接收陣元接收到的信號，表示目標存在時由第i個發射陣元發射聲源信號的情況下第j個接收陣元接收到的信號，t為相對時間，1≤i≤M，1≤j≤N，s(t)為聲源信號，h_ij(t)表示沒有目標時的信道響應函數，表示目標存在時的信道響應函數，表示卷積運算，n₁(t)和n₂(t)表示海洋環境噪聲；

步驟2：對模擬接收信號數據進行預處理，預處理具體過程如下：

1)對每一個接收聲壓信號進行脈沖壓縮處理，得到脈沖壓縮輸出信號：

其中，“*”表示取復共軛；對脈沖壓縮輸出信號D_ij(t)、E_ij(t)取模值，得到脈沖壓縮輸出包絡

2)計算目標存在時脈沖壓縮輸出包絡的相對擾動量A_ij(t)：