[發明專利]一種基于卷積神經網絡的水下目標波達方向估計的方法

在審

• 申請號: 202210029754.4
• 申請日: 2022-01-12
• 公開（公告）號: CN114397621A
• 公開（公告）日: 2022-04-26
• 發明（設計）人: 王彪;余春祥;朱雨男;張明亮
• 申請（專利權）人: 江蘇科技大學
• 主分類號: G01S3/802
• 分類號: G01S3/802;G06N3/04;G06N3/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于卷積神經網絡的水下目標波達方向估計的方法，其特征在于，包括以下步驟：

(1)將生成的協方差矩陣數據劃分為訓練集和測試集并進行數據預處理；

(2)設定CNN系統各項超參數，初始化CNN卷積核、池化方式、全連接層神經元參數、分類函數；

(3)輸入訓練集數據，通過卷積池化層形成全連接層；

(4)接收全連接層數據，計算當前輸出層正向傳播預測值；計算CNN的代價函數，根據代價函數進行反向傳播更新全連接層各層神經元參數，其中代價函數采用交叉熵函數；

(5)循環執行步驟(3)和(4)，使得CNN達到預估角度誤差的要求，當代價函數達到最小值時或到達預設迭代次數時CNN完成訓練，各項參數停止更新，得到訓練完成的CNN模型；

(6)在完成的CNN模型中，得到CNN最終預測的角度估值，與真實角度值對比，計算準確率。

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波達方向估計的方法，其特征在于，所述步驟(2)中，卷積神經網絡各項參數設定如下：設置學習率為0.01，隱含層激活函數采用ReLU激活函數，輸出層激活函數采用Softmax激活函數，代價函數采用交叉熵損失函數，權值初始化方式為Glorot均勻分布，權重更新策略為Adam。

3.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波達方向估計的方法，其特征在于，所述步驟(3)中，通過卷積池化層形成全連接層的計算公式為：

式中f(m,n)為輸入矩陣的數據，g(m,n)為卷積核函數，池化方式選用區域最大采樣。

4.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波達方向估計的方法，其特征在于，所述步驟(4)中，分類函數采用Softmax函數，公式如下：

式中，y_k是第k個神經元的輸出，n表示網絡的輸出層神經元的數目；分子是輸入信號a_k的指數函數，分母是所有輸入信號的指數函數之和；信號來波角度在區間[-90°,+90°]均勻分為181個類，卷積神經網絡輸出層的神經元設定為181個。

5.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波達方向估計的方法，其特征在于，所述步驟(4)中，交叉熵函數的公式為：

式中，y(i)表示真實角度值，a(i)表示預測角度值，n表示分類個數，即輸出神經元個數。

6.一種計算機存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執行時實現如權利要求1-5中任一項所述的一種基于卷積神經網絡的水下目標波達方向估計的方法。

7.一種計算機設備，包括儲存器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1-5中任一項所述的一種基于卷積神經網絡的水下目標波達方向估計的方法。