CN103308918B - 一种基于分段时域质心特征的鱼类识别方法及系统 - Google Patents

Abstract

本发明公开了一种基于分段时域质心特征的鱼类识别方法及系统，该方法是一种基于主动声学方法的识别策略，所述方法具体包含：步骤101)向水下鱼体发射声信号，并获取水下鱼体反向散射的回波信号；步骤102)对采集到的鱼体回波数据进行滤波和幅度归一化预处理；步骤103)对预处理后的回波信号进行特征提取，具体方法如下：将回波信号分为若干子段，并提取各个子段的时域质心作为特征量；步骤104)将特征量输入分类器进行分类处理，完成对水下鱼体的种类识别。步骤103)的分段方法可以采用自适应分段策略或均匀分段策略。本发明还采用自适应分段策略或均匀分段策略将回波信号分为若干子段。

Description

一种基于分段时域质心特征的鱼类识别方法及系统

技术领域

本发明涉及基于声学方法的鱼类识别技术，特别涉及一种基于分段时域质心特征的鱼类识别方法及系统。

背景技术

随着人类对海洋资源需求的日益增加，海洋渔业资源开发越来越受到重视。渔业资源调查和评估工作是合理开发海洋渔业资源的重要基础，这就迫切地需要具备对鱼的种类进行快速识别的能力。

传统的鱼类资源调查方法主要是以拖网捕捞法为主，与传统的拖网捕捞识别等方法相比，声学方法具有快速方便、不损坏生物资源以及可持续观测等优点。因此，近些年来国外相关研究机构大力发展基于声学方法的鱼类识别技术。

其中，国外声学方法的鱼类识别技术包含：Alexander B.Kulinchenko等人使用绳系法对太平洋大比目鱼和岩鱼进行了试验，并利用回波包络和统计频谱特征两种方法成功对大比目鱼、岩鱼、海底进行了分类，但是这种方法由于直接对鱼体的回波包络信号进行降采样后作为特征向量，未能找出反映目标本质的特征量，特征维数很高，冗余较大，给分类器带来很大负担。Harold M.Brundage III和Jae-Byung Jung利用统计频谱的方法从底层鱼类中识别出短鼻鲟鱼。Eric O.Rogers等人利用统计频谱的方法成功对鲱鱼、亚洲胡瓜鱼和鲑鱼进行了识别。上述鱼类识别技术基于统计频谱的方法，因此需要具有很宽频带的换能器作为发射源，对设备要求较高。此外，Sunardi等人通过回声探测仪测定了两种不同的竹荚鱼在两种频率下的目标强度，成功对鱼的种类进行了分类。但是这种方法利用鱼体在两种频率下的目标强度为识别量，而鱼体目标强度与鱼体的姿态、鱼鳔的大小、形状等因素有关，仅选用两个频点下目标强度作为特征量，特征不稳定，使用局限性较大。总之，人们已通过多种方法来进行鱼类识别，然而鱼体的回波信号非常复杂，现有识别方法未能找出能反映目标本质的特征，使得特征维数高，冗余大，分类识别效果往往不能令人满意。而在国内，基于声学方法的鱼类识别技术的研究目前尚处于起步阶段。

发明内容

本发明的目的在于，为克服现有技术对鱼体回波信号的包络或频谱进行降采样后直接作为特征量，导致获取的回波信号的特征维数高，冗余大，未能找到反映目标本质的特征，分类识别效果往往不能令人满意等问题，从而提供一种基于分段时域质心特征的鱼类识别方法及系统。

为实现上述目的，本发明提供了一种基于分段时域质心特征的鱼类识别方法，该方法是一种基于主动声学方法的识别策略，所述方法具体包含：

步骤101)向水下鱼体发射声信号，并获取水下鱼体反向散射的回波信号；

步骤102)对采集到的鱼体回波数据进行滤波和幅度归一化预处理；

步骤103)对预处理后的回波信号进行特征提取，具体方法如下：将回波信号分为若干子段，并提取各个子段的时域质心作为特征量；

步骤104)将特征量输入分类器进行分类处理，完成对水下鱼体的种类识别。

可选的，采用自适应分段策略将回波信号分为若干子段，具体步骤如下：

首先计算整个回波信号的时域质心，把计算出的时域质心作为分隔点，将回波信号分为两个子段，然后计算两个子段中每个子段的时域质心，并将其作为新的分隔点，依此类推，得到经若干次分段后的各个子段的时域质心作为特征量。

其中，所述分段次数的范围为：3-6次。

可选的，采用均匀分段策略将回波信号分为若干子段，具体步骤如下：依据回波信号脉冲宽度把整个回波信号均匀分为若干个子段，并提取各个子段的时域质心作为特征量。

上述技术方案中，所述时域质心采用下式进行计算：

$\mathrm{TC}=\frac{{\∫}_0^T{\mathrm{tx}}^2\left(t\right)\mathrm{dt}}{{\∫}_0^T{x}^2\left(t\right)\mathrm{dt}};$

T为信号长度，x(t)为回波信号在t时刻的幅值，对于离散信号，时域质心可表示为：

$\mathrm{TC}=\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{nx}}^2\left(n\right)}{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}^2\left(n\right)};$

N为对时域回波信号x(t)进行的采样总点数；x(n)为对时域回波信号x(t)进行采样得到的时域离散信号；n为对时域回波信号x(t)进行第n次采样。

基于上述方法本发明还提供一种基于分段时域质心特征的鱼类识别系统，该系统包含：

发射模块：用于发射声源信号；

接收模块：用于接收水下鱼体目标的反向散射回波信号；

预处理模块：完成对所接收模块采集的回波信号进行滤波和归一化预处理；

特征提取模块：用于对预处理后的回波信号进行特征提取，具体方法如下：将回波信号分为若干子段，并提取各个子段的时域质心作为特征量；

和

分类识别模块：将特征提取模块获取的未知种类的鱼体上午特征向量组送入分类器进行分类识别。

上述技术方案中，所述时域质心具体采用下述公式进行计算：

$\mathrm{TC}=\frac{{\∫}_0^T{\mathrm{tx}}^2\left(t\right)\mathrm{dt}}{{\∫}_0^T{x}^2\left(t\right)\mathrm{dt}};$

T为信号长度，x(t)为回波信号在t时刻的幅值，对于离散信号，时域质心可表示为：

$\mathrm{TC}=\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{nx}}^2\left(n\right)}{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}^2\left(n\right)};$

N为对时域回波信号x(t)进行的采样总点数；x(n)为对时域回波信号x(t)进行采样得到的时域离散信号；n为对时域回波信号x(t)进行第n次采样。

优化的，所述发射源采用窄带换能器向水下鱼体发射声信号。

可选的，所述特征提取模块能够采用如下策略进行特征提取：首先计算整个回波信号的时域质心，把计算出的时域质心作为分隔点，将回波信号分为两个子段，然后计算两个子段中每个子段的时域质心，并将其作为新的分隔点，依次类推，得到经若干次分段后的各个子段的时域质心作为特征量。

可选的，所述特征提取模块还能采用均匀分段策略提取特征向量，具体包含如下子模块：

分段子模块，用于依据回波信号脉冲宽度把整个回波信号均匀分为若干个子段；和

处理模块，用于提取各个子段的时域质心作为特征量。

与现有技术相比，本发明的有益效果在于：

(1)所需的数据源是利用窄带换能器作为发射源得到的回波数据，对设备的成本要求低；

(2)提出一种自适应时域分段方法，能够对信号能量集中的区域进行较为精细的划分，有利于区分能量分布的细微差异，利用这种方法所提取的特征较好的反映了回波信号的能量分布特性，进而能反映目标形状和结构等的不同，能够保证较高的识别率；

(3)选取自适应分段时域质心作为特征量，特征维数少，能够实现快速分类。

综上所述，本发明旨在利用简单设备，以降低设备成本；提取鱼体回波信号中能反映鱼体特性的特征量，以降低特征维数，减少特征冗余，实现对鱼的种类进行快速准确的识别；填补国内利用声学方法对鱼类识别的空白。

附图说明

图1是本发明的基于时域质心的时域分段示意图；

图2是本发明的基于分段时域质心特征的鱼类识别方法的流程图。

具体实施方式

下面结合附图对本发明的技术方案进行详细描述。

目标回波是目标的散射声波和混响等的叠加，其波形结构主要取决于目标的材料、几何尺寸和结构。回波中包含了目标大量的信息。不同形状的目标，其各个部分对回波能量的贡献是有差异的，回波能量在时域上会表现出不同的分布特性，因此，利用回波的能量分布特征可以对目标进行分类识别。

基于上述目标回波信号的能量分布特征对目标进行分类识别可以提高识别准确率的思想，本发明的技术方案对现有技术输入训练器和分类器的回波信号进行了预处理，提取了回波信号的能量分布特征，结合这些特征再进行分类识别，使的最终识别准确率和速度有了很大提高。具体实现方法如图2所示，该图为本发明提出一种基于自适应分段时域质心特征的鱼类识别方法，该方法具体描述如下：

步骤101)向水下鱼体发射声信号，并获取水下鱼体反向散射的回波信号；

上述向水下鱼体发生声源信号所采用的发射源既可以是宽带发射源也可以是窄带发射源，但从节约成本的角度考虑，建议使用窄带发射源。

步骤102)对采集到的鱼体回波数据进行滤波和幅度归一化预处理；步骤103)对预处理后的回波信号进行特征提取，具体方法如下：将回波信号分为若干子段，并提取各个子段的时域质心作为特征量。

时域质心是整个回波信号的能量重心，即使在时域上能量分布不同的信号，也可能拥有相同的时域质心。这就导致在实际中如果只利用整个回波的时域质心这一个特征作为特征量对目标鱼体进行识别容易造成误判，因此为了提高利用时域质心作为鱼体目标类别识别的准确率本发明还引进了对回波信号进行分段的策略。

本发明对于分段策略提供了两种可选的实施方式，具体描述如下：

第一种实施方式为：以时间为依据把信号分为长度相同的子段，然后再提取各个子段的时域质心作为特征量进行鱼体分类，但是由于实际回波信号的能量分布不一定均匀，导致这种均分的方法在实际使用时具有一定的局限性。即这种均分方法对于能量分布差异较大的鱼体目标识别率较高，而对于能量分布差异较小的鱼体目标识别率较低，不利于区分能量分布的细微差异。

因此为了改进第一种实施方式的缺陷，本发明还优化的提出了第二种实施方式：即一种新自适应分段方法。所述自适应的分段方法以时域质心为依据对信号进行划分，在划分的各个子段内计算时域质心，并将其作为下一层划分的分隔点，依此类推，得到经若干次分段后的各个子段的时域质心作为特征量进行鱼体分类识别。这种分段方法对于信号能量集中的区域划分较为精细，因此更有利于区分能量分布的细微差异，从而将提高依据回波信号的能量分布特征对目标进行准确的分类识别。

上述自适应的分段方法具体实施如图1所示，该图为本发明所采用的时域自适应分段方法，结合该图针对该方法的具体说明如下：

(1)对整个回波信号计算时域质心TC₁₁，得到第二层的两个时间段[0，TC₁₁]和[TC₁₁，T]；

(2)在第二层分段的基础上分别计算各个子段的时域质心，分别为TC₂₁和TC₂₂，得到第三层的三个时间段[0，TC₂₁]，[TC₂₁，TC₂₂]，[TC₂₂，T]；

(3)以此类推，在第i层各个时间段内分别计算时域质心，并作为下一层划分的依据。

具体分解到第几层，可以根据实际信号的特点。如果分解的层数太少，可能会造成特征差异不明显；若分解的层数太多，容易造成特征差异不稳定，同时还增益特征的冗余量。建议分解层数为3-6层。

总之，由于不同形状的鱼类其回波会在时域上表现出不同的能量分布特性，对于鱼体回波信号而言，自适应分段时域质心较好的反映了鱼体回波信号的能量分布特性，因此，可将其作为鱼类识别的特征量，提高对水下鱼体的识别的准确率和速度。

其中，上述技术方案中所述的时域质心采用如下公式确定：

由于时域质心是信号的能量在时间轴上的重心，它是在一定时间范围内通过对能量加权平均得到的时间，是时间的一阶距，反映了信号的主要能量集中的区域。时域质心的计算公式可表示为：

$\mathrm{TC}=\frac{{\∫}_0^T{\mathrm{tx}}^2\left(t\right)\mathrm{dt}}{{\∫}_0^T{x}^2\left(t\right)\mathrm{dt}}---\left(1\right)$

其中，T为信号长度，x(t)为信号在t时刻的幅值。对于离散信号，时域质心可表示为：

$\mathrm{TC}=\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{nx}}^2\left(n\right)}{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}^2\left(n\right)}---\left(2\right)$

其中，N为对时域回波信号x(t)进行的采样总次数；x(n)为对时域回波信号x(t)进行采样得到的时域离散信号；n为对时域回波信号x(t)进行第n次采样。

步骤104)将特征量输入分类器进行分类处理，完成对水下鱼体的种类识别。

该步骤采用分类器依据提取的反映待测鱼体特征的特征量对水下鱼体进行分类识别。所述的分类器可以选取BP神经网络分类器进行分类，此分类方法是有监督的分类方法，即：事先知道训练样本所属类别，然后按照指定类别对分类器进行训练。具体到本方案，需要先对大量已知种类的鱼体回波信号按照步骤101)-103)完成样本特征量的提取，将这些特征量作为训练样本特征量送入BP神经网络分类器，进而对分类器进行训练，使分类器最终能够完成对已知种类的鱼体回波信号进行归类。训练完成后，保存分类器。对未知的水下目标回波完成步骤101)-103)，得到未知目标的特征量，并将特征量送入训练好的分类器中进行分类，完成对水下鱼体的种类识别。

基于上述方法，本发明还提供了一种基于分段时域质心特征的鱼类识别系统，该系统包含：

发射模块：用于发射声源信号；

接收模块：用于接收水下鱼体目标的反向散射回波信号；

预处理模块：完成对所接收模块采集的回波信号进行滤波和归一化预处理；

特征提取模块：用于对预处理后的回波信号进行特征提取，具体方法如下：将回波信号分为若干子段，并提取各个子段的时域质心作为特征量；

和

分类识别模块：将特征提取模块获取的未知种类的鱼体上午特征向量组送入分类器进行分类识别。

其中，上述技术方案中所述时域质心具体采用下述公式进行计算：

$\mathrm{TC}=\frac{{\∫}_0^T{\mathrm{tx}}^2\left(t\right)\mathrm{dt}}{{\∫}_0^T{x}^2\left(t\right)\mathrm{dt}};$

T为信号长度，x(t)为回波信号在t时刻的幅值，对于离散信号，时域质心可表示为：

$\mathrm{TC}=\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{nx}}^2\left(n\right)}{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}^2\left(n\right)};$

N为对时域回波信号x(t)进行的采样总点数；x(n)为对时域回波信号x(t)进行采样得到的时域离散信号；n为对时域回波信号x(t)进行第n次采样。

上述技术方案中所述发射源采用窄带换能器向水下鱼体发射声信号。

可选的，所述特征提取模块能够采用如下策略进行特征提取：首先计算整个回波信号的时域质心，把计算出的时域质心作为分隔点，将回波信号分为两个子段，然后计算两个子段中每个子段的时域质心，并将其作为新的分隔点，依次类推，得到经若干次分段后的各个子段的时域质心作为特征量。

可选的，所述特征提取模块还能采用均匀分段策略提取特征向量，具体包含如下子模块：分段子模块，用于依据回波信号脉冲宽度把整个回波信号均匀分为若干个子段；和处理模块，用于提取各个子段的时域质心作为特征量。

最后应说明，此处所描述的实例仅用于解释本发明，本发明并不限定具体业务类别、用户终端类别以及支付系统类别，对以上内容所做的变换也落在本发明的保护范围之内。

Claims (7)

1.一种基于分段时域质心特征的鱼类识别方法，该方法是一种基于主动声学方法的识别策略，所述方法具体包含：

步骤101)向水下鱼体发射声信号，并获取水下鱼体反向散射的回波信号；

步骤102)对采集到的鱼体回波数据进行滤波和幅度归一化预处理；

步骤103)对预处理后的回波信号进行特征提取，具体方法如下：将回波信号分为若干子段，并提取各个子段的时域质心作为特征量；

步骤104)将特征量输入分类器进行分类处理，完成对水下鱼体的种类识别；

采用自适应分段策略将回波信号分为若干子段，具体步骤如下：

首先计算整个回波信号的时域质心，把计算出的时域质心作为分隔点，将回波信号分为两个子段，然后计算两个子段中每个子段的时域质心，并将其作为新的分隔点，依此类推，得到经若干次分段后的各个子段的时域质心作为特征量；

采用均匀分段策略将回波信号分为若干子段，具体步骤如下：

依据回波信号脉冲宽度把整个回波信号均匀分为若干个子段，并提取各个子段的时域质心作为特征量。

2.根据权利要求1所述的基于分段时域质心特征的鱼类识别方法，其特征在于，所述分段次数的范围为：3-6次。

3.根据权利要求1所述的基于分段时域质心特征的鱼类识别方法，其特征在于，所述时域质心采用下式进行计算：

$\mathrm{TC}=\frac{{\∫}_0^T{\mathrm{tx}}^2\left(t\right)\mathrm{dt}}{{\∫}_0^T{x}^2\left(t\right)\mathrm{dt}};$

T为信号长度，x(t)为回波信号在t时刻的幅值，对于离散信号，时域质心可表示为：

$\mathrm{TC}=\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{nx}}^2\left(n\right)}{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}^2\left(n\right)};$

N为对时域回波信号x(t)进行的采样总点数；x(n)为对时域回波信号x(t)进行采样得到的时域离散信号；n为对时域回波信号x(t)进行第n次采样。

4.一种基于分段时域质心特征的鱼类识别系统，该系统包含：

发射模块：用于发射声源信号；

接收模块：用于接收水下鱼体目标的反向散射回波信号；

预处理模块：完成对所接收模块采集的回波信号进行滤波和归一化预处理；

特征提取模块：用于对预处理后的回波信号进行特征提取，具体方法如下：将回波信号分为若干子段，并提取各个子段的时域质心作为特征量；和

分类识别模块：将特征提取模块获取的未知种类的鱼体上午特征向量组送入分类器进行分类识别；

其中，所述特征提取模块能够采用如下策略进行特征提取：首先计算目标回波信号的时域质心，把计算出的时域质心作为分隔点，将回波信号分为两个子段，然后计算两个子段中每个子段的时域质心，并将其作为新的分隔点，依次类推，得到经若干次分段后的各个子段的时域质心作为特征量。

5.根据权利要求4所述的基于分段时域质心特征的鱼类识别系统，其特征在于，所述时域质心具体采用下述公式进行计算：

$\mathrm{TC}=\frac{{\∫}_0^T{\mathrm{tx}}^2\left(t\right)\mathrm{dt}}{{\∫}_0^T{x}^2\left(t\right)\mathrm{dt}};$

T为信号长度，x(t)为回波信号在t时刻的幅值，对于离散信号，时域质心可表示为：

$\mathrm{TC}=\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{nx}}^2\left(n\right)}{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}^2\left(n\right)};$

N为对时域回波信号x(t)进行的采样总点数；x(n)为对时域回波信号x(t)进行采样得到的时域离散信号；n为对时域回波信号x(t)进行第n次采样。

6.根据权利要求4所述的基于分段时域质心特征的鱼类识别系统，其特征在于，所述发射源采用窄带换能器向水下鱼体发射声信号。

7.根据权利要求4所述的基于分段时域质心特征的鱼类识别系统，其特征在于，所述特征提取模块还能采用均匀分段策略提取特征向量，具体包含如下子模块：

分段子模块，用于依据回波信号脉冲宽度把整个回波信号均匀分为若干个子段；和

处理模块，用于提取各个子段的时域质心作为特征量。