多潛器載體探測端聲納信息融合方法
2023-06-18 08:34:36
專利名稱:多潛器載體探測端聲納信息融合方法
技術領域:
本發明涉及的是一種海洋聲納探測信息處理方法,特別是涉及一種多探測端聲納 的信息融合方法。
背景技術:
以小型潛器為載體多探測端聲納設備是海洋探測技術設備發展的一個趨勢,多探 測端聲納設備是由多個攜帶有聲納的水下潛器端(即探測端)和接收端組成,系統探測端 的回波信息由接收端統一接收處理。由於水下環境的極其複雜性,在目標識別過程中,受海 洋環境、混響和噪聲的影響較大,以至於聲納探測的在依靠單一信息源進行目標識別時的 準確性和可靠性不高。採用多個探測端對目標進行探測,對每個探測端的回波進行信息融 合。最大限度的利用各個探測端的回波信息,彌補單一信息源造成的目標識別可靠性不高、 準確度低等缺點。與由單一探測端獲得回波進行特徵提取和目標識別相比,多探測端的回 波信息融合可以減少對目標的特徵感知的不完全型、不確定性,提高對目標識別的準確率。經對現有的技術文獻檢索發現,沒有發現與本發明主題相同或類似的文獻報導。
發明內容
本發明的目的在於提供一種能全面、準確、可靠的描述水下目標的特徵,提高多探 測端聲納設備的準確性和可靠性的多潛器載體探測端聲納信息融合方法。本發明的目的是這樣實現的以潛器為載體的多探測端聲納設備的多個潛器探測端的回波數據信息經接收端 接收後按照如下步驟進行融合處理(1)探測端回波信息數據預處理;(2)探測端回波多種特徵信息提取;(3)多種特徵信息特徵層融合;(4)特徵層融合信息的決策層融合。所述的探測端回波信息數據預處理的方法為小波變換閾值法。所述的探測端回波多種特徵信息提取包括幾何亮點特徵提取、彈性亮點特徵提 取、方位位置特徵提取;幾何亮點特徵提取方法採用子帶能量特徵提取法;彈性亮點特徵 提取方法採用信號頻譜的離散小波變換方法;方位位置特徵提取方法採用多波束形成方 法。所述的多種特徵信息特徵層融合採用BP神經網絡設計特徵層融合分類器,特徵 層信息融合分類器的個數與探測端的個數相同,每個特徵層信息融合分類器的輸入為步驟 (2)中提取的幾何亮點特徵、彈性亮點特徵、方位位置特徵;輸出為對應探測端探測到的目 標種類和方位。所述的決策層融合是對多個分類器分類結果的一種高層次融合,採用概率加權表 決方案對多個分類器的識別結果進行表決,計算每個分類器對目標樣本識別的可能概率、
4每個分類器目標方位樣本相同的可能概率,然後比較每個分類器分類結果的概率,將概率 最大的樣本所屬類別作為正確識別的樣本類別,目標方位樣本相同的概率越大說明目標為 同一個目標,否則為多個目標。本發明的以潛器為載體的多探測端聲納中使用的信息融合方法,系統的利用多個 探測端的數據信息進行決策,將每個探測端的信息數據融合在一起,全面、準確、可靠的描 述水下目標的特徵,克服了單個探測端只能提供目標的局部的特徵信息,不能全面的描述 目標的特徵,提高了多探測端聲納設備的準確性和可靠性。本發明的特點主要體現在以潛器為載體的多探測端聲納設備的多個潛器探測端 的回波數據信息經接收端接收後,本發明首先對每個探測端的回波信息進行數據預處理, 去除回波信息中的幹擾和噪聲,提高信噪比。然後針對目標的信息提取其多種特徵,從多個 角度對目標進行描述,將提取的特徵送入特徵層的融合分類器,先在特徵層進行融合分類, 輸出為目標的種類和方位。然後將特徵層的輸出作為決策層的輸入,在決策層再進行融合 分類,輸出為目標的個數以及目標對應的方位。本發明方法的優點在於通過利用以潛器為載體的多個探測端的回波數據信息,對 每個探測端的回波數據信息進行幾何亮點、彈性亮點、方位位置等多種特徵信息提取,在特 徵層和決策層進行兩次融合,最大限度的利用各個探測端的回波信息,彌補單一信息源造 成的目標識別可靠性不高、準確度低等缺點。與由單一探測端獲得回波進行特徵提取和目 標識別相比,多探測端的回波信息融合可以減少對目標的特徵感知的不完全型、不確定性, 提高對目標識別的準確率。
圖1是本發明方法中以潛器為載體的多探測端聲納結構示意圖;圖2是本發明方法的流程示意圖。
具體實施例方式下面結合附圖舉例對本發明做更詳細地描述結合圖1,圖1所體現的是本發明方法中以潛器為載體的多探測端聲納的結構示 意圖,具有多個以潛器為載體的探測端1···Ν(Ν根據實際的任務需求確定),探測端的回波 信息1···Ν由接收端統一處理接收。結合圖2,本發明信息融合方法由以下步驟組成101、數據信息預處理階段對接收端接收處理的N個探測端的數據信息SP"SN採 用小波變換閾值法進行數據預處理,消除各種噪聲的幹擾,提高信噪比,得到處理後的數據 II... IN ;102、數據信息多種特徵提取階段對步驟101預處理後的數據IL··· IN進行特徵 提取,提取的特徵包括11、12、13、21、22、23、…、Ni、N2、N3。11、12、13分別表示針對探測 端1的數據信息提取的方位位置特徵信息、彈性亮點特徵、幾何亮點特徵。21、22、23分別表 示針對探測端2的數據信息提取的方位位置特徵信息、彈性亮點特徵、幾何亮點特徵。Ni、 N2、N3分別表示針對探測端N的數據信息提取的方位位置特徵信息、彈性亮點特徵、幾何亮 點特徵。從多個特徵角度對每個探測端探測的目標進行描述,其中幾何亮點特徵提取方法採用子帶能量特徵提取法;彈性亮點特徵提取方法採用信號頻譜的離散小波變換方法;方 位位置特徵提取方法採用多波束形成方法;103、多種特徵信息特徵層融合階段將步驟102中對每個探測端提取的特徵信息 11、12、13、21、22、23、…、Ni、N2、N3送入採用BP神經網絡設計特徵層融合分類器中,得到 每個探測端所探測目標的種類和方位信息RP"RN。特徵層信息融合分類器的個數與探測 端的個數相同。以特徵層信息融合分類器1為例,其輸入為步驟102中對探測端1預處理 後的數據信息Il提取的多種特徵11、12和13,經過特徵層信息融合分類器1後得到探測端 1所探測到目標的種類和方位信息Rl。104、特徵層融合信息的決策層融合階段,將步驟103中所得到的每個探測端所探 測目標的種類和方位信息RP"RN送入採用概率加權表決方案設計的分類器中對多個特徵 層融合分類器1···Ν的識別結果RP"RN進行表決。對多個特徵層融合分類器1···Ν的分類 結果進行高層次融合,計算每個分類器對目標樣本識別的可能概率、每個分類器目標方位 樣本相同的可能概率,然後比較每個分類器分類結果的概率,將概率最大的樣本所屬類別 作為正確識別的樣本類別,目標方位樣本相同的概率越大說明目標為同一個目標,否則為 多個目標。
權利要求
一種多潛器載體探測端聲納信息融合方法,其特徵是以潛器為載體的多探測端聲納設備的多個潛器探測端的回波數據信息經接收端接收後按照如下步驟進行融合處理(1)探測端回波信息數據預處理;(2)探測端回波多種特徵信息提取;(3)多種特徵信息特徵層融合;(4)特徵層融合信息的決策層融合。
2.根據權利要求1所述的多潛器載體探測端聲納信息融合方法,其特徵是所述的探 測端回波信息數據預處理的方法為小波變換閾值法。
3.根據權利要求1或2所述的多潛器載體探測端聲納信息融合方法,其特徵是所述 的探測端回波多種特徵信息提取包括幾何亮點特徵提取、彈性亮點特徵提取、方位位置特 徵提取;幾何亮點特徵提取方法採用子帶能量特徵提取法;彈性亮點特徵提取方法採用信 號頻譜的離散小波變換方法;方位位置特徵提取方法採用多波束形成方法。
4.根據權利要求1或2所述的多潛器載體探測端聲納信息融合方法,其特徵是所述 的多種特徵信息特徵層融合採用BP神經網絡設計特徵層融合分類器,特徵層信息融合分 類器的個數與探測端的個數相同,每個特徵層信息融合分類器的輸入為步驟(2)中提取的 幾何亮點特徵、彈性亮點特徵、方位位置特徵;輸出為對應探測端探測到的目標種類和方 位。
5.根據權利要求3所述的多潛器載體探測端聲納信息融合方法,其特徵是所述的多 種特徵信息特徵層融合採用BP神經網絡設計特徵層融合分類器,特徵層信息融合分類器 的個數與探測端的個數相同,每個特徵層信息融合分類器的輸入為步驟(2)中提取的幾何 亮點特徵、彈性亮點特徵、方位位置特徵;輸出為對應探測端探測到的目標種類和方位。
6.根據權利要求1或2所述的多潛器載體探測端聲納信息融合方法,其特徵是所述 的決策層融合是對多個分類器分類結果的一種高層次融合,採用概率加權表決方案對多個 分類器的識別結果進行表決,計算每個分類器對目標樣本識別的可能概率、每個分類器目 標方位樣本相同的可能概率,然後比較每個分類器分類結果的概率,將概率最大的樣本所 屬類別作為正確識別的樣本類別,目標方位樣本相同的概率越大說明目標為同一個目標, 否則為多個目標。
7.根據權利要求3所述的多潛器載體探測端聲納信息融合方法,其特徵是所述的決 策層融合是對多個分類器分類結果的一種高層次融合,採用概率加權表決方案對多個分類 器的識別結果進行表決,計算每個分類器對目標樣本識別的可能概率、每個分類器目標方 位樣本相同的可能概率,然後比較每個分類器分類結果的概率,將概率最大的樣本所屬類 別作為正確識別的樣本類別,目標方位樣本相同的概率越大說明目標為同一個目標,否則 為多個目標。
8.根據權利要求4所述的多潛器載體探測端聲納信息融合方法,其特徵是所述的決 策層融合是對多個分類器分類結果的一種高層次融合,採用概率加權表決方案對多個分類 器的識別結果進行表決,計算每個分類器對目標樣本識別的可能概率、每個分類器目標方 位樣本相同的可能概率,然後比較每個分類器分類結果的概率,將概率最大的樣本所屬類 別作為正確識別的樣本類別,目標方位樣本相同的概率越大說明目標為同一個目標,否則 為多個目標。
9.根據權利要求5所述的多潛器載體探測端聲納信息融合方法,其特徵是所述的決 策層融合是對多個分類器分類結果的一種高層次融合,採用概率加權表決方案對多個分類 器的識別結果進行表決,計算每個分類器對目標樣本識別的可能概率、每個分類器目標方 位樣本相同的可能概率,然後比較每個分類器分類結果的概率,將概率最大的樣本所屬類 別作為正確識別的樣本類別,目標方位樣本相同的概率越大說明目標為同一個目標,否則 為多個目標。
全文摘要
本發明提供的是一種多潛器載體探測端聲納信息融合方法。以潛器為載體的多探測端聲納設備的多個潛器探測端的回波數據信息經接收端接收後按照如下步驟進行融合處理(1)探測端回波信息數據預處理;(2)探測端回波多種特徵信息提取;(3)多種特徵信息特徵層融合;(4)特徵層融合信息的決策層融合。本發明的以潛器為載體的多探測端聲納中使用的信息融合方法,系統的利用多個探測端的數據信息進行決策,將每個探測端的信息數據融合在一起,全面、準確、可靠的描述水下目標的特徵,克服了單個探測端只能提供目標的局部的特徵信息,不能全面的描述目標的特徵,提高了多探測端聲納設備的準確性和可靠性。
文檔編號G06K9/62GK101900810SQ201010226510
公開日2010年12月1日 申請日期2010年7月15日 優先權日2010年7月15日
發明者傅薈璇, 劉勝, 常緒成, 李高雲, 王宇超 申請人:哈爾濱工程大學