[发明专利]一种基于水声信号的舰船目标智能识别方法及系统

说明书

本发明涉及水声物理技术领域，尤其涉及一种基于水声信号的舰船目标智能识别方法及系统。该方法包括：对水听器接收的待测海域水声时域信号进行预处理得到频域信号；将预处理后的频域信号输入预先建立好的舰船目标识别模型，结合先验数据库，得到该频域信号对应不同舰船目标的概率值；所述先验数据库包括待测海域若干个舰船目标以及对应的频域信号，所述舰船目标识别模型为引入了注意力机制的神经网络；从概率值中选取最大值，从而确定舰船目标。本发明从输入特征中挖掘目标的有效信息，并实时地输出注意力分布图来可视化所关注的特征，完成目标检测、目标识别等具体的判决，一定程度上克服了神经网络解释性差的缺陷，有效提高识别精度和可信度。

技术领域

本发明涉及水声物理技术领域，尤其涉及一种基于水声信号的舰船目标智能识别方法及系统。

背景技术

由于海洋环境的复杂性，基于舰船辐射噪声的水声目标识别面临着巨大的挑战。然而，传统的特征提取和分类方法的性能往往受限于环境复杂性、目标对抗性等不利因素，难以达到更高的分类精度。自2006年以来，深度神经网络(DNN)技术大大促进了模式识别领域的发展。该方法近年来被应用于水声目标识别。深度学习方法的复杂模型结构及其处理海量数据的能力使其在水声目标识别中具有更强的特征表示能力和预测性能。然而，它的高预测精度往往难以解释，而且被认为是不可靠的，因为这些黑盒模型使用户无法分析模型的内部工作和行为。由于深度学习方法有可能过分关注与目标无关的噪声，从而影响模型的决策，因此，一种能够显示深度神经网络在识别水声目标时内部工作机理的网络模型成为了水声识别研究的迫切需求。

发明内容

本发明的目的在于克服现有技术缺陷，提出了一种基于水声信号的舰船目标智能识别方法及系统。

为了实现上述目的，本发明提出了一种基于水声信号的舰船目标智能识别方法，基于设置在水下固定位置的水听器实现，所述方法包括：

对水听器接收的待测海域水声时域信号进行预处理得到频域信号；

将预处理后的频域信号输入预先建立好的舰船目标识别模型，结合先验数据库，得到该频域信号对应不同舰船目标的概率值；所述先验数据库包括待测海域若干个舰船目标以及对应的频域信号，所述舰船目标识别模型为引入了注意力机制的神经网络；

从概率值中选取最大值，从而确定舰船目标。

作为上述方法的一种改进，所述预处理具体包括：

对水听器接收的待测海域水声时域信号进行短时傅里叶变换得到频域信号；

根据船舶低频特征的显著性，从预设的频率范围中选取若干个频点的频域信号。

作为上述方法的一种改进，所述舰船目标识别模型为增加了注意力模块的DNN网络，具体为依次连接的输入层、注意力模块、全连接层、Drop-out层、底层全连接层和输出层，所述舰船目标识别模型的输入为预处理后的频域信号，输出为分类结果。

作为上述方法的一种改进，所述注意力模块用于关注目标特性，抑制多源干扰，还用于作为一个专用的特征提取器；所述注意力模块包括：注意层、高斯卷积层和融合层；其中，

所述注意层，用于过滤不感兴趣的特性，并保留与目标高度相关的特性；所述注意层包括密集层和激活层；

所述高斯卷积层，用于减小多普勒频移、测量误差和其他特征随机变化造成的影响；还用于输出注意力权重值以实现网络可视化；

所述融合层，用于对高斯卷积层和输入层进行点乘运算。

作为上述方法的一种改进，所述注意力模块的具体实现过程为：

设I_s是输入特征向量[I₁,I₂,…,I_S]，S是特征向量的总数，输入注意力层后，输出注意力权重α_ts为：