CN104536007A - 一种基于多视角声学数据的鱼类识别方法 - Google Patents
一种基于多视角声学数据的鱼类识别方法 Download PDFInfo
- Publication number
- CN104536007A CN104536007A CN201410195863.9A CN201410195863A CN104536007A CN 104536007 A CN104536007 A CN 104536007A CN 201410195863 A CN201410195863 A CN 201410195863A CN 104536007 A CN104536007 A CN 104536007A
- Authority
- CN
- China
- Prior art keywords
- fish
- decision
- posterior probability
- wavelet packet
- perspective
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 241000251468 Actinopterygii Species 0.000 claims abstract description 55
- 239000013598 vector Substances 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 238000012706 support-vector machine Methods 0.000 claims abstract description 6
- 230000000007 visual effect Effects 0.000 claims description 20
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 210000004712 air sac Anatomy 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013481 data capture Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 239000004833 fish glue Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
一种基于多视角声学数据的鱼类识别方法。利用一个单波束相控换能器向鱼体发射声信号,利用M个水听器在M个不同方位接收鱼体散射声信号;对获得的多视角散射信号进行滤波归一化等处理;通过小波包分解、重构,小波包子带能量求解,离散余弦变换方法进行特征提取得到变换系数,将小波包子带能量、变换系数组成特征量输入到第一级分类器进行决策,并将决策结果用概率估计公式得到每个方位输出的后验概率向量,将每个方位的后验概率向量进行组合,得到多视角决策后验概率,将多视角决策后验概率输入至第二级支持向量机,输出最终分类结果,得到鱼类识别方法。解决了以往只能在单一方位探测鱼的散射信息,而导致数据丢失的问题。
Description
技术领域
本发明涉及的是一种声学鱼类识别方法,更具体地说是涉及一种基于多视角声学数据的鱼类识别方法。
背景技术
201210063846.0一种基于小波包多尺度信息熵的鱼类识别方法及系统,介绍了一种基于声学方法的鱼类识别技术,鱼是一个复杂的声散射体,鱼体及鱼鳔的方位、大小、形状严重影响鱼的声散射特征,从而使得鱼的声散射信号也变得非常复杂,从复杂信号中提取能反映鱼本质声散射特性的特征在鱼类识别中尤为重要。但是对于有鳔鱼种,鱼鳔是散射信号的主要贡献体,不同种类鱼的鱼鳔在大小、形状上不同,导致鱼在不同声散射方位上表现的散射特性是不同的,因此单一方位探测势必会丢失鱼的散射信息。而且鱼在水中是自由游动的,探测时不能预见鱼在波束内的具体方位,因此实际环境下获得鱼的声散射特性在散射方位上表现出一定的随机性,造成在鱼类识别过程中存在由于鱼的方位不同引起的分类精度差、甚至不能正确分类的问题。
发明内容
本发明的目的在于解决基于声学回波数据的高精度鱼类识别问题,而提供一种基于多视角声学数据的鱼类识别方法。
本发明是这样实现的:
一种基于多视角声散射数据决策层融合的鱼类识别方法,利用一个单波束相控换能器向鱼体发射声信号,利用M个水听器在M个不同方位接收鱼体散射声信号,获得多视角鱼体散射数据,M=6-9;对获得的多视角散射信号进行滤波归一化等处理;通过小波包分解、重构,小波包子带能量求解,离散余弦变换方法进行特征提取得到变换系数,将小波包子带能量、变换系数组成特征量输入到第一级分类器进行决策,并将决策结果用概率估计公式得到每个方位输出的后验概率向量,将每个方位的后验概率向量进行组合,得到多视角决策后验概率,将多视角决策后验概率输入至第二级支持向量机,输出最终分类结果,得到鱼类识别方法。
本发明的优点是:解决了以往只能在单一方位探测鱼的散射信息,而导致数据丢失的问题;本发明一种基于多视角声学数据的鱼类识别方法,结构简单,实现方便;提取的特征反映了鱼的声学本质特征;解决单方位分类不清,甚至不能正确分类的问题;多视角数据获取能更准确的分析鱼的类别。
附图说明
图1是基于多视角数据鱼类识别方法结构框图
图2是多视角数据获取方法示意图
图3是特征提取方法结构框图
图4是多视角数据融合方法结构框图
具体实施方式
下面结合附图和实施对本发明作进一步介绍:
图2为多视角数据获取方法示意图,其中中间黑色点代表发射换能器,两侧灰色点代表接收换能器,本发明发射换能器为窄带相控阵换能器,接收换能器为标准水听器。
本发明中采用小波包分解与离散余弦变换相结合的方式进行特征提取,特征提取流程如图3所示。特征提取主要包括小波包变换离散余弦变换、特征降维等几个步骤,子带能量包含了鱼对不同频带的响应信息,而离散余弦变换包含了不同形状鱼及其组成的散射特征信息。
小波包变换是一种时频分析方法,它能够在时频域表征信号的局部特征,是获取信号局部特征的良好工具。对回波信号进行小波包多尺度分解得到小波包系数,并对小波包系数进行重构,得到鱼体回波信号各个频带内的时域信号,小波包变换后能得到更小频带内的时域信号,有利于在不同频域子带内表征鱼的特征,进行划分后每个子带的频带宽度是相等的。
不同形状的鱼,其内部解剖结构差异也较大,其各个部分对回波的贡献是有差异的,因此,回波信号会表现出不同的能量分布特性。对单体鱼回波包络信号进行小波包变换,则小波包子带能量反映了包络信号的在不同频带内的能量分布特性。离散余弦变换是一种实数域变换,其变换核为实的余弦函数,并具有快速算法,而且离散余弦变换是次最佳变换,变换后的系数分布比较集中,利用很少的系数集中了信号大部分的能量,离散余弦变换变换主要用来表征不同形状目标的特征。
特征提取方法得到的特征具有维数高的特点,高维的特征对于鱼类识别具有不同贡献。有些特征对于识别的贡献较大且稳定性较好,有些特征则不是。因此,对高维特征进行降维处理,保留对识别有贡献的特征,去除冗余特征,对提高识别率、降低识别复杂度具有十分重要的意义。
通过公式(1)进行小波包分解:
其中,为上一级小波分解结果,dk m,j+1,2n,dk m,j+1,2n+1分别为下一级小波包分解系数; h0(2l-k),h1(2l-k)分别为小波包分解的低通、高通滤波器组。
所述的表示对第m个方位数据进行层数为j的小波包分解时,第n个频带的第l个小波包系数,即为第m个方位的鱼体回波信号,设为Sm。
通过公式(2)对小波包系数进行重构,得到每个小波包子带的重构信号:
其中,g0(l-2k)为小波包重构的低通滤波器组;g1(l-2k)为小波包重构的高通滤波器组。小波包分解层数j为6-12。
通过公式(3)得到小波包子带能量:
其中,Sm,n(f)为小波包节点重构序列,m为接收方位号,n为小波包重构序列节点号,F为信号点数。
小波包子带能量特征为:
Tsp,m=(Em,1,Em,2,…,Em,n) (4)
通过公式(5)进行离散余弦变换:
其中
Dm(l)即为特征量,l=0,1,…,L-1为特征量个数。
所述的离散余弦变换系数特征为:
Tsd,m=(Dm,1,Dm,2,…,Dm,n) (7)
融合特征为:
Tm=(Tsp,m,Tsd,m) (8)
在特征提取的基础上,通过公式(9)进行特征降维:
其中i,j代表类别,其中μi,μj,分别为类i,j对应特征量的均值与方差。降维后的特征量为T′m。
采用支持向量机分类器进行鱼类识别,支持向量机输出为:
fm(x)=wφ(x)+b (10)
其中,fm(x)为输出超平面,w为权向量,b为偏倚量,φ为非线性映射。
通过公式(11)得到后验概率估计:
每个方位输出的后验概率向量为:
pj=(p(c=1|Tj),…,p(c=C|Tj)) (12)
将每个方位的后验概率向量进行组合,得到多视角决策后验概率:
P=(p1,…pM) (13)
其中M为方位数。
将组合后的概率P作为特征向量,输入下一级支持向量机,做出最终类决策,进行鱼类识别。
本发明的优点是:解决了以往只能在单一方位探测鱼的散射信息,而导致数据丢失的问题;本发明一种基于多视角声学数据的鱼类识别方法,结构简单,实现方便;提取的特征反映了鱼的声学本质特征;解决单方位分类不清,甚至不能正确分类的问题;多视角数据获取能更准确的分析鱼的类别。
Claims (1)
1.一种基于多视角声散射数据决策层融合的鱼类识别方法,其特征是:利用一个单波束相控换能器向鱼体发射声信号,利用M个水听器在M个不同方位接收鱼体散射声信号,获得多视角鱼体散射数据,M=6-9;对获得的多视角散射信号进行滤波归一化等处理;通过小波包分解、重构,小波包子带能量求解,离散余弦变换方法进行特征提取得到变换系数,将小波包子带能量、变换系数组成特征量输入到第一级分类器进行决策,并将决策结果用概率估计公式得到每个方位输出的后验概率向量,将每个方位的后验概率向量进行组合,得到多视角决策后验概率,将多视角决策后验概率输入至第二级支持向量机,输出最终分类结果,得到鱼类识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410195863.9A CN104536007B (zh) | 2014-05-09 | 2014-05-09 | 一种基于多视角声学数据的鱼类识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410195863.9A CN104536007B (zh) | 2014-05-09 | 2014-05-09 | 一种基于多视角声学数据的鱼类识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104536007A true CN104536007A (zh) | 2015-04-22 |
CN104536007B CN104536007B (zh) | 2017-05-24 |
Family
ID=52851569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410195863.9A Expired - Fee Related CN104536007B (zh) | 2014-05-09 | 2014-05-09 | 一种基于多视角声学数据的鱼类识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104536007B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106417143A (zh) * | 2016-09-05 | 2017-02-22 | 华中农业大学 | 一种基于被动声学信息的淡水鱼品种识别装置和方法 |
CN107037420A (zh) * | 2015-10-29 | 2017-08-11 | 古野电气株式会社 | 水中探知装置 |
CN107691328A (zh) * | 2017-09-28 | 2018-02-16 | 柳州凡科技有限公司 | 一种高效稳定防锈且基于计算机的海洋鱼类分类探测装置 |
RU2655642C2 (ru) * | 2016-05-25 | 2018-05-29 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-Морского Флота "Военно-морская академия имени Адмирала флота Советского Союза Н.Г. Кузнецова" | Способ обнаружения шумящих объектов гидроакустической пассивной системой мониторинга |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS58118975A (ja) * | 1982-01-06 | 1983-07-15 | Japan Radio Co Ltd | 魚群量測定方法 |
CN1075055A (zh) * | 1993-02-10 | 1993-08-11 | 王金河 | 带自动装置的反作用力内打钓鱼钩 |
CN1959434A (zh) * | 2006-11-09 | 2007-05-09 | 哈尔滨工程大学 | 多波束超声波探鱼仪 |
CN102760235A (zh) * | 2011-04-25 | 2012-10-31 | 中国科学院声学研究所 | 一种基于多视的水下目标分类系统及方法 |
CN103308919A (zh) * | 2012-03-12 | 2013-09-18 | 中国科学院声学研究所 | 一种基于小波包多尺度信息熵的鱼类识别方法及系统 |
-
2014
- 2014-05-09 CN CN201410195863.9A patent/CN104536007B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS58118975A (ja) * | 1982-01-06 | 1983-07-15 | Japan Radio Co Ltd | 魚群量測定方法 |
CN1075055A (zh) * | 1993-02-10 | 1993-08-11 | 王金河 | 带自动装置的反作用力内打钓鱼钩 |
CN1959434A (zh) * | 2006-11-09 | 2007-05-09 | 哈尔滨工程大学 | 多波束超声波探鱼仪 |
CN102760235A (zh) * | 2011-04-25 | 2012-10-31 | 中国科学院声学研究所 | 一种基于多视的水下目标分类系统及方法 |
CN103308919A (zh) * | 2012-03-12 | 2013-09-18 | 中国科学院声学研究所 | 一种基于小波包多尺度信息熵的鱼类识别方法及系统 |
Non-Patent Citations (1)
Title |
---|
HUGO ROBOTHAM等: "Acoustic Identification of Small Pelagic Fish Species in Chile Using Support Vector Machines and Neural Networks", 《FISHERIES RESEARCH》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107037420A (zh) * | 2015-10-29 | 2017-08-11 | 古野电气株式会社 | 水中探知装置 |
CN107037420B (zh) * | 2015-10-29 | 2021-10-15 | 古野电气株式会社 | 水中探知装置 |
RU2655642C2 (ru) * | 2016-05-25 | 2018-05-29 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-Морского Флота "Военно-морская академия имени Адмирала флота Советского Союза Н.Г. Кузнецова" | Способ обнаружения шумящих объектов гидроакустической пассивной системой мониторинга |
CN106417143A (zh) * | 2016-09-05 | 2017-02-22 | 华中农业大学 | 一种基于被动声学信息的淡水鱼品种识别装置和方法 |
CN106417143B (zh) * | 2016-09-05 | 2019-03-19 | 华中农业大学 | 一种基于被动声学信息的淡水鱼品种识别装置和方法 |
CN107691328A (zh) * | 2017-09-28 | 2018-02-16 | 柳州凡科技有限公司 | 一种高效稳定防锈且基于计算机的海洋鱼类分类探测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104536007B (zh) | 2017-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bach et al. | Blind one-microphone speech separation: A spectral learning approach | |
Ibrahim et al. | An approach for automatic classification of grouper vocalizations with passive acoustic monitoring | |
CN103474066B (zh) | 基于多频带信号重构的生态声音识别方法 | |
CN106772331B (zh) | 目标识别方法和目标识别装置 | |
CN106328150B (zh) | 嘈杂环境下的肠鸣音检测方法、装置及系统 | |
CN101470194B (zh) | 一种水雷目标的识别方法 | |
CN103308919B (zh) | 一种基于小波包多尺度信息熵的鱼类识别方法及系统 | |
CN103323532B (zh) | 一种基于心理声学参量的鱼类识别方法及系统 | |
CN104714237A (zh) | 一种多特征及多方位数据融合鱼类识别方法 | |
CN104732970B (zh) | 一种基于综合特征的舰船辐射噪声识别方法 | |
CN106529428A (zh) | 基于深度学习的水下目标识别方法 | |
CN105030279A (zh) | 一种基于超声射频时间序列的组织定征方法 | |
Luo et al. | An underwater acoustic target recognition method based on combined feature with automatic coding and reconstruction | |
Peso Parada et al. | Using Gaussian mixture models to detect and classify dolphin whistles and pulses | |
CN104536007B (zh) | 一种基于多视角声学数据的鱼类识别方法 | |
CN105741844A (zh) | 一种基于dwt-svd-ica的数字音频水印算法 | |
CN103994820A (zh) | 一种基于微孔径麦克风阵列的运动目标识别方法 | |
CN105589073A (zh) | 一种基于Walsh变换的鱼类主动声学识别方法 | |
Wang et al. | Low pass filtering and bandwidth extension for robust anti-spoofing countermeasure against codec variabilities | |
Benbrahim et al. | Discrimination of seismic signals using artificial neural networks | |
CN106297768A (zh) | 一种语音识别方法 | |
CN103323853B (zh) | 一种基于小波包和双谱的鱼类识别方法及系统 | |
Zeng et al. | Underwater sound classification based on Gammatone filter bank and Hilbert-Huang transform | |
CN103308918B (zh) | 一种基于分段时域质心特征的鱼类识别方法及系统 | |
Yang et al. | Transfer learning for denoising the echolocation clicks of finless porpoise (Neophocaena phocaenoides sunameri) using deep convolutional autoencoders |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170524 |
|
CF01 | Termination of patent right due to non-payment of annual fee |