[發明專利]一種基于時空多特征信息的被動聲納目標探測方法及裝置

有效

• 申請號: 202110387388.5
• 申請日: 2021-04-12
• 公開（公告）號: CN112801065B
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 楊陽;劉林巖;趙楊;曹東;王海波;盧德勇
• 申請（專利權）人: 中國空氣動力研究與發展中心計算空氣動力研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 孫杰

1.一種基于時空多特征信息的被動聲納目標探測方法，其特征在于，包括以下步驟：

S1,提取被動聲納波束形成后信號樣本集多特征分量，將各特征分量標準化后進行串聯特征融合；

S2,離線訓練生成堆棧自編碼器神經網絡參數、SVM二分類器參數；

S3,根據步驟S1得到的串聯融合特征向量，利用步驟S2得到的堆棧自編碼器神經網絡參數提取信號低維高層語義特征；

S4,利用步驟S3得到的信號低維高層語義特征，基于步驟S2得到的SVM二分類器參數，判決信號是否屬于目標信號，實現時域微弱目標信號檢測；

S5,根據步驟S4得到的時域目標信號計算生成方位歷程圖，在方位歷程圖上基于概率數據關聯方法，利用強度、運動和方位尺度信息估計并更新目標檢測狀態；

所述步驟S1包括以下步驟：

S11，分別提取波束形成后信號目標段和噪聲段的多維度表征的多特征信息，提取的多特征信息包括時域波形特征、頻域能量聚點特征、時頻圖像Renyi熵特征、Mel倒譜特征和混沌特征的兩種及以上；

S12，計算各特征向量的均值和標準差，對特征向量進行標準化；

S13，將各特征向量前后串聯進行特征融合；

所述步驟S5包括以下步驟：

S51，令某時刻k方位歷程圖的測量集合為：

其中，m_k是時域檢測處理后跟蹤窗內目標測量數，z_i(k)是第i個測量的運動信息測量值，η_i(k)是相應的強度信息測量值，λ_i(k)是相應的目標方位尺度測量值；

設Z^k為截至到k時刻的所有有效測量集合：

定義k時刻聯合事件：

則概率數據關聯濾波中各事件的條件概率為：

由于強度、運動和方位尺度特征相互獨立，故有：

S52，分別假設目標信號的強度、運動和方位尺度特征服從以預測值為均值的高斯正態分布，且噪聲強度、運動和方位尺度特征是獨立、等概率分布的，得到目標和噪聲的概率分布函數

S53，假設各測量為正確測量的先驗概率相同，得到概率分布函數

S54，由步驟S52、S53得到的概率分布函數計算得到多特征融合的加權系數β_i；

S55，由全概率公式更新k時刻目標強度、運動和方位尺度特征的狀態值為：

。

2.根據權利要求1所述的一種基于時空多特征信息的被動聲納目標探測方法，其特征在于，所述步驟S11包括以下步驟：

S111，分別計算提取信號時域均值、峰值、均方根、峭度因子、裕度指數、偏度指數；

S112，將步驟S111中各指標串聯構成時域波形特征。

3.根據權利要求1所述的一種基于時空多特征信息的被動聲納目標探測方法，其特征在于，所述步驟S11包括以下步驟：

S113，計算信號x(n)的功率譜s(ω)；

S114，給定取值寬度d，利用滑窗在功率譜序列s(ω)上定步長移動，計算各頻點ω₀處信號功率P(ω₀,d)，并求取信號功率的平均值P_a和最大值P_m，計算公式如下：

其中，ω₀為功率譜s(ω)上的頻率點；

S115，給定λ水平值，得到信號功率譜s(ω)的λ水平能量聚點；計算公式如下：

其中f(λ)是變量λ在[0,1]→[0,1]區間的單增函數；

S116，根據得到的p個λ水平能量聚點處信號能量，建立頻率域p階特征向量，其中p為正整數且p≥1。

4.根據權利要求1所述的一種基于時空多特征信息的被動聲納目標探測方法，其特征在于，所述步驟S11包括以下步驟：

S117，計算信號x(n)的改進B分布，得到二維時頻圖像；

S118，根據二維時頻圖像的亮度等級表達灰度值，將時頻圖轉化為灰度圖，進行灰度歸一化和中值濾波；

S119，提取信號多階灰度圖Renyi熵特征。