CN114545422A - 基于多物理特征的主动声呐目标识别方法 - Google Patents

基于多物理特征的主动声呐目标识别方法 Download PDF

Info

Publication number
CN114545422A
CN114545422A CN202210436332.9A CN202210436332A CN114545422A CN 114545422 A CN114545422 A CN 114545422A CN 202210436332 A CN202210436332 A CN 202210436332A CN 114545422 A CN114545422 A CN 114545422A
Authority
CN
China
Prior art keywords
target
echo
artificial
similarity
suppose
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
Application number
CN202210436332.9A
Other languages
English (en)
Other versions
CN114545422B (zh
Inventor
杜栓平
王方勇
唐浩
朱辉庆
李帝水
谷新禹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Institute Of Applied Acoustics 715th Research Institute Of China Shipbuilding Industry Corp
Original Assignee
Hangzhou Institute Of Applied Acoustics 715th Research Institute Of China Shipbuilding Industry Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Institute Of Applied Acoustics 715th Research Institute Of China Shipbuilding Industry Corp filed Critical Hangzhou Institute Of Applied Acoustics 715th Research Institute Of China Shipbuilding Industry Corp
Priority to CN202210436332.9A priority Critical patent/CN114545422B/zh
Publication of CN114545422A publication Critical patent/CN114545422A/zh
Application granted granted Critical
Publication of CN114545422B publication Critical patent/CN114545422B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

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

本发明提出一种基于多物理特征的主动目标识别方法，首先通过初筛快速筛选出疑似目标，然后对疑似目标进行径向速度、径向尺度、多回波相似度、亮点结构、调频回波子带相关性、回波相位等多物理特征提取，根据专家知识构建综合判别准则，最后通过模糊逻辑分类系统实现对水下目标高置信度识别。本发明提出的初判与精判相结合的探辨一体化主动目标识别方法，可有效解决主动声呐高虚警问题，显著提升探测效能；同时通过互补性和关联性地运用目标多物理特征，有效提高了目标识别正确率和宽容性。

Description

基于多物理特征的主动声呐目标识别方法
技术领域
本发明属于主动声呐领域，主要是一种基于多物理特征的主动声呐目标识别方法。
背景技术
目标识别是当前制约主动声呐水下实际探测效能（探鱼、探蛙人、探航行器等）的关键瓶颈技术，随着主动声呐目标检测技术的不断提升，需求日益迫切。现有主动声呐由于缺乏有效的主动目标识别功能，在实际使用条件下，受海洋混响、海底/海面杂波影响，目标检测虚警率居高不下，用户难以从众多杂波中快速确定用户所关注的目标，声呐作用距离的提升未能有效提升声呐对水下感兴趣目标（鱼群、蛙人、航行器）等的探测效能。可见，主动声呐目标识别的实际应用需求十分迫切。
多年来，国内外学者开展了大量关于水下目标的主动识别技术研究，主要研究思路是提取和利用具有可鉴别性的回波特征。目前广泛研究和使用的特征以数值统计特征为主，主要包括回波包络波形、包络过零点密度、包络面积比、AR模型参数、梅林变换系数、高阶矩等。由于上述特征物理意义缺乏，与水下目标类别的映射关系不明确，其可分性严重依赖数据样本，且对海洋环境和目标的宽容性较差，人对基于上述特征的目标识别性能不可控，泛化推广能力差，难以实际应用。因此，急需一种宽容性好、识别正确率高的目标识别方法，以解决现有主动声呐在实际海洋环境下的高虚警问题。
发明内容
本发明的目的在于克服现有技术存在的不足，而提供一种基于多物理特征的主动声呐目标识别方法。
本发明的目的是通过如下技术方案来完成的。一种基于多物理特征的主动声呐目标识别方法，包括步骤如下：
步骤一：接收主动声呐阵元数据，经过预处理得到波束域数据；
步骤二：对波束域数据进行多域联合处理，进行基于特征检测的初步筛选，得到若干疑似目标；同时，接收跟踪目标信息，分别利用初步筛选目标信息和跟踪目标信息，在波束域数据中提取目标波束；
步骤三：对所选目标波束进行基于多物理特征的精确判别，输出目标的类别和置信度；
（1）、对所选目标波束提取多个具有明确物理含义的特征，包括目标速度特征、目标尺度特征、目标亮点结构特征、目标连续回波相似度特征、目标回波子带相关性特征和目标回波相变特征，其中目标速度特征包括目标绝对速度特征和目标径向速度特征；
（2）、对每个具有明确物理含义的特征进行统计分析，生成该特征的隶属度函数；
（3）、设计模糊推理知识规则库，根据专家经验按物理含义将特征进行分类，对每一类特征产生相应的模糊“if-then”规则；然后，再由同一目标对应的不同类特征之间的关系，产生类间模糊“if-then”规则，具体采用三级判别机制；
（3.1）、首先进行第一级判别：目标动静判别，根据目标径向速度或绝对速度大小将目标判为运动目标和静止目标；
（3.2）、根据第一级判别结果，进行第二级判别，第二级判别分为两部分；
（3.2.1）、当一级判别结果为运动目标时，分别根据目标亮点结构特征、目标速度特征、目标尺度特征、目标连续回波相似度特征，进行水面运动目标与水下运动目标判别；利用判别规则A，得到第二级判别下对运动目标水面水下分类结果和相应置信度；
（3.2.2）、当一级判别结果为静止目标时，根据目标尺度特征、目标亮点结构特征、目标连续回波相似度特征、目标回波子带相关性特征、目标回波相变特征，进行人造与非人造静止目标判别；利用判别规则B，得到静止人造目标或非人造目标分类结果；
（3.3）、进行第三级判别：根据目标绝对速度特征、目标径向速度特征、目标尺度特征、目标亮点结构特征、目标连续回波相似度特征，对判别出的水下运动目标进行精细类型判别，利用判别规则C，得到水下运动目标精细分类结果。
更进一步的，所述步骤（3.1）的规则如下：
假如目标速度
Figure 161395DEST_PATH_IMAGE001
，则目标判为运动目标，否则判为静止目标；
其中
Figure 360295DEST_PATH_IMAGE002
为目标速度，目标速度为目标径向速度或目标绝对速度，
Figure 560332DEST_PATH_IMAGE003
为判别阈值。
更进一步的，所述步骤（3.2.1）中基于水面与水下目标特征差异性进行目标判别，判别规则A如下：
假如
Figure 350433DEST_PATH_IMAGE004
，则
Figure 370342DEST_PATH_IMAGE005
，否则
Figure 700829DEST_PATH_IMAGE006
；
假如
Figure 489794DEST_PATH_IMAGE007
，则
Figure 185217DEST_PATH_IMAGE008
；
假如
Figure 754739DEST_PATH_IMAGE009
，则
Figure 826600DEST_PATH_IMAGE010
，
Figure 735650DEST_PATH_IMAGE011
；
假如
Figure 601975DEST_PATH_IMAGE012
，则
Figure 596476DEST_PATH_IMAGE013
，
Figure 472028DEST_PATH_IMAGE014
；
假如
Figure 297902DEST_PATH_IMAGE015
，则
Figure 335128DEST_PATH_IMAGE016
，
Figure 82504DEST_PATH_IMAGE017
；
假如
Figure 496168DEST_PATH_IMAGE018
，则
Figure 114231DEST_PATH_IMAGE019
，否则
Figure 322358DEST_PATH_IMAGE020
；
假如
Figure 291451DEST_PATH_IMAGE021
，则目标为水面目标，置信度为
Figure 305544DEST_PATH_IMAGE022
，否则目标为水下目标，置 信度为
Figure 43693DEST_PATH_IMAGE023
；
其中
Figure 422721DEST_PATH_IMAGE024
为水面目标概率，
Figure 879110DEST_PATH_IMAGE025
为水下目标概率，初始值均为0；
Figure 634577DEST_PATH_IMAGE026
是目标亮点结构
Figure 492811DEST_PATH_IMAGE027
和典型水下目标亮点结构模板
Figure 308321DEST_PATH_IMAGE028
的相关系 数，
Figure 789024DEST_PATH_IMAGE029
为水面水下目标相关系数判别阈值；
Figure 348181DEST_PATH_IMAGE030
为目标速度，
Figure 60922DEST_PATH_IMAGE031
为目标速度阈值，
Figure 47333DEST_PATH_IMAGE032
和
Figure 212735DEST_PATH_IMAGE033
分别是以
Figure 310004DEST_PATH_IMAGE034
为变量的 水面目标速度特征隶属度函数和水下目标速度特征隶属度函数；
Figure 877251DEST_PATH_IMAGE035
为目标尺度，
Figure 34563DEST_PATH_IMAGE036
为水面水下目标尺度判别阈值，
Figure 483999DEST_PATH_IMAGE037
和
Figure 384959DEST_PATH_IMAGE038
分别是以
Figure 72292DEST_PATH_IMAGE039
为变量的水面目标尺度特征隶属度函数和水下目标尺度特征隶属度函数；
Figure 134926DEST_PATH_IMAGE040
为回波相似度，
Figure 274921DEST_PATH_IMAGE041
为水面水下目标相似度判别阈值，
Figure 713992DEST_PATH_IMAGE042
和
Figure 52570DEST_PATH_IMAGE043
分别是 以
Figure 551684DEST_PATH_IMAGE044
为变量的水面目标回波相似度特征隶属度函数和水下目标回波相似度特征隶属度函 数。
更进一步的，所述步骤（3.2.2）中，判别规则B为：
假如目标尺度
Figure 178974DEST_PATH_IMAGE045
，则
Figure 421737DEST_PATH_IMAGE046
， 否则
Figure 83662DEST_PATH_IMAGE047
；
假如
Figure 753678DEST_PATH_IMAGE048
，则
Figure 602686DEST_PATH_IMAGE049
，否则
Figure 383560DEST_PATH_IMAGE050
；
假如回波相似度
Figure 165571DEST_PATH_IMAGE051
&子带相关性
Figure 740909DEST_PATH_IMAGE052
&回波相位特征
Figure 77212DEST_PATH_IMAGE053
，则
Figure 661777DEST_PATH_IMAGE054
；
假如回波相似度
Figure 32716DEST_PATH_IMAGE055
&子带相关性
Figure 44534DEST_PATH_IMAGE056
&回波相位特征
Figure 133713DEST_PATH_IMAGE057
，则
Figure 70705DEST_PATH_IMAGE058
，
Figure 561730DEST_PATH_IMAGE059
；
假如回波相似度
Figure 744449DEST_PATH_IMAGE060
&子带相关性
Figure 55345DEST_PATH_IMAGE061
&回波相位特征
Figure 981713DEST_PATH_IMAGE062
，则
Figure 61664DEST_PATH_IMAGE063
，
Figure 415285DEST_PATH_IMAGE064
；
假如回波相似度
Figure 213477DEST_PATH_IMAGE065
&子带相关性
Figure 943535DEST_PATH_IMAGE066
&回波相位特征
Figure 143573DEST_PATH_IMAGE067
，则
Figure 464832DEST_PATH_IMAGE068
，
Figure 750320DEST_PATH_IMAGE069
；
假如回波相似度
Figure 284070DEST_PATH_IMAGE070
&子带相关性
Figure 338613DEST_PATH_IMAGE071
&回波相位特征
Figure 768458DEST_PATH_IMAGE072
，则
Figure 541242DEST_PATH_IMAGE073
；
假如回波相似度
Figure 613103DEST_PATH_IMAGE074
&子带相关性
Figure 522153DEST_PATH_IMAGE075
&回波相位特征
Figure 654057DEST_PATH_IMAGE076
，则
Figure 648558DEST_PATH_IMAGE077
，
Figure 320848DEST_PATH_IMAGE078
；
假如回波相似度
Figure 84404DEST_PATH_IMAGE079
&子带相关性
Figure 121631DEST_PATH_IMAGE080
&回波相位特征
Figure 603427DEST_PATH_IMAGE081
，则
Figure 813829DEST_PATH_IMAGE082
，
Figure 697471DEST_PATH_IMAGE083
；
假如回波相似度
Figure 171178DEST_PATH_IMAGE084
&子带相关性
Figure 140271DEST_PATH_IMAGE085
&回波相位特征
Figure 363485DEST_PATH_IMAGE086
，则
Figure 101634DEST_PATH_IMAGE087
，
Figure 480663DEST_PATH_IMAGE088
；
假如
Figure 937052DEST_PATH_IMAGE089
，则目标为人造静止目标，置信度
Figure 692518DEST_PATH_IMAGE090
，否则目标为非人造静 止目标，置信度
Figure 550753DEST_PATH_IMAGE091
；
其中
Figure 897421DEST_PATH_IMAGE092
为人造目标置信度，
Figure 841106DEST_PATH_IMAGE093
为非人造目标置信度，初始值均为0；
Figure 400263DEST_PATH_IMAGE094
为目标尺度，
Figure 113004DEST_PATH_IMAGE095
、
Figure 99415DEST_PATH_IMAGE096
为典型人造与非人造目标尺度判别阈值；
Figure 264817DEST_PATH_IMAGE097
和
Figure 96507DEST_PATH_IMAGE098
分别是以
Figure 929333DEST_PATH_IMAGE099
为变量的人造目标尺度特征隶属度函数和非人造目标尺度特征隶属度函数；
Figure 86645DEST_PATH_IMAGE100
是目标亮点结构
Figure 739343DEST_PATH_IMAGE101
和典型人造物体亮点结构模板
Figure 437041DEST_PATH_IMAGE102
的相关系 数，
Figure 327637DEST_PATH_IMAGE103
为人造与非人造目标相关系数判别阈值，值域[0,1]；
Figure 452587DEST_PATH_IMAGE104
为回波相似度，
Figure 592582DEST_PATH_IMAGE105
为人造与非人造目标相似度判别阈值，
Figure 31653DEST_PATH_IMAGE106
和
Figure 573493DEST_PATH_IMAGE107
分 别是以
Figure 72608DEST_PATH_IMAGE108
为变量的人造目标相似度特征隶属度函数和非人造目标相似度特征隶属度函数；
Figure 699898DEST_PATH_IMAGE109
为子带相关性，
Figure 677081DEST_PATH_IMAGE110
为人造与非人造目标子带相关性判别阈值，
Figure 73428DEST_PATH_IMAGE111
和
Figure 743443DEST_PATH_IMAGE112
分别是以
Figure 858030DEST_PATH_IMAGE113
为变量的人造目标相似度特征隶属度函数和非人造目标相似度特征隶属度函 数；
Figure 904483DEST_PATH_IMAGE114
为回波相位特征，
Figure 946214DEST_PATH_IMAGE115
为人造与非人造目标回波相位特征判别阈值，
Figure 787131DEST_PATH_IMAGE116
和
Figure 389014DEST_PATH_IMAGE117
分别是以
Figure 708000DEST_PATH_IMAGE118
为变量的人造目标相似度特征隶属度函数和非人造目标相似度特征隶 属度函数。
更进一步的，所述步骤（3. 3）中，判别规则C为：
假如目标速度
Figure 78938DEST_PATH_IMAGE119
，则
Figure 887494DEST_PATH_IMAGE120
，否则
Figure 976673DEST_PATH_IMAGE121
；
假如目标尺度
Figure 99350DEST_PATH_IMAGE122
，则
Figure 59216DEST_PATH_IMAGE123
，否则
Figure 507515DEST_PATH_IMAGE124
；
假如目标速度
Figure 615148DEST_PATH_IMAGE125
&目标尺度
Figure 275936DEST_PATH_IMAGE126
，则
Figure 887046DEST_PATH_IMAGE127
；
假如目标速度
Figure 975088DEST_PATH_IMAGE128
&目标尺度
Figure 773280DEST_PATH_IMAGE129
，则
Figure 503338DEST_PATH_IMAGE130
，
Figure 500113DEST_PATH_IMAGE131
；
假如目标速度
Figure 24635DEST_PATH_IMAGE132
&目标尺度
Figure 310123DEST_PATH_IMAGE133
，则
Figure 312714DEST_PATH_IMAGE134
，
Figure 367258DEST_PATH_IMAGE135
；
假如目标速度
Figure 328261DEST_PATH_IMAGE136
&目标尺度
Figure 897782DEST_PATH_IMAGE137
，则
Figure 704064DEST_PATH_IMAGE138
；
假如回波相似度
Figure 878694DEST_PATH_IMAGE139
，则
Figure 479439DEST_PATH_IMAGE140
，否则
Figure 739519DEST_PATH_IMAGE141
；
假如亮点数量
Figure 73461DEST_PATH_IMAGE142
，则
Figure 899334DEST_PATH_IMAGE143
，否则
Figure 202140DEST_PATH_IMAGE144
；
假如
Figure 683937DEST_PATH_IMAGE145
，则目标为水下航行器，置信度
Figure 832021DEST_PATH_IMAGE146
，否则目标为海洋生物（鱼 群或大型生物），置信度
Figure 715664DEST_PATH_IMAGE147
；
其中
Figure 189370DEST_PATH_IMAGE148
为水下航行器置信度，
Figure 424043DEST_PATH_IMAGE149
为海洋生物，初始值均为0；
Figure 110239DEST_PATH_IMAGE150
为连续探测周期目标速度估计向量，
Figure 113967DEST_PATH_IMAGE151
代表
Figure 758575DEST_PATH_IMAGE152
的方差，
Figure 214964DEST_PATH_IMAGE153
为方差判别 阈值；
Figure 970430DEST_PATH_IMAGE154
为连续探测周期目标尺度估计向量，
Figure 359823DEST_PATH_IMAGE155
代表
Figure 909753DEST_PATH_IMAGE156
的方差，
Figure 853439DEST_PATH_IMAGE157
为方差判别 阈值；
Figure 412596DEST_PATH_IMAGE158
为目标速度，
Figure 125337DEST_PATH_IMAGE159
为目标速度阈值，
Figure 642906DEST_PATH_IMAGE160
和
Figure 73887DEST_PATH_IMAGE161
分别是以
Figure 905577DEST_PATH_IMAGE162
为变量的 水下航行器速度特征隶属度函数和海洋生物速度特征隶属度函数；
Figure 738404DEST_PATH_IMAGE163
为目标尺度，
Figure 630137DEST_PATH_IMAGE164
为目标尺度判别阈值，
Figure 565992DEST_PATH_IMAGE165
和
Figure 263690DEST_PATH_IMAGE166
分别是以
Figure 685444DEST_PATH_IMAGE167
为变量的水 下航行器尺度特征隶属度函数和海洋生物尺度特征隶属度函数；
Figure 13657DEST_PATH_IMAGE168
为回波相似度，
Figure 153651DEST_PATH_IMAGE169
为人造与非人造目标相似度判别阈值，
Figure 858302DEST_PATH_IMAGE170
和
Figure 134563DEST_PATH_IMAGE171
分 别是以
Figure 633677DEST_PATH_IMAGE172
为变量的人造目标和非人造目标相似度特征隶属度函数；
Figure 260968DEST_PATH_IMAGE173
为亮点数量，
Figure 300468DEST_PATH_IMAGE174
、
Figure 696814DEST_PATH_IMAGE175
为亮点数量判别区间，
Figure 366830DEST_PATH_IMAGE176
和
Figure 481416DEST_PATH_IMAGE177
分别是以
Figure 996711DEST_PATH_IMAGE178
为变量的水下航行器和海洋生物亮点数量隶属度函数。
本发明提出的一种基于多物理特征的主动声呐目标识别方法，其优点具体体现在：
（1）本发明提出的初判与精判相结合的探辨一体化主动目标识别方法，可以有效解决主动声呐在实际海洋环境下的高虚警问题，显著提升主动声呐对水下感兴趣目标的探测效能。
（2）通过互补性和关联性地运用目标径向速度、径向尺度、多回波相似度、亮点结构、调频回波子带相关性、回波相位等物理特征，构建综合判决知识库和判别准则，通过知识推理将主动目标识别为水下航行器、鱼群或其他等类型，利用物理特征可解释性强、泛化性好等特点，有效提高了目标识别正确率和宽容性。
附图说明
图1是基于多物理特征的主动目标识别原理框图；
图2初筛与精判相结合的探辨一体化处理流程图；
图3是隶属度函数示意图；
图4是水下目标多物理特征决策流程图；
图5是基于模糊逻辑分类器的主动目标识别处理架构示意图。
具体实施方式
下面将结合附图和具体的实施例对本发明做详细的介绍：
本发明提出了一种基于多物理特征的主动目标识别方法，首先通过初判快速筛选出疑似目标，然后对疑似目标进行径向速度、径向尺度、多回波相似度、亮点结构、调频回波子带相关性、回波相位等多物理特征提取，根据专家知识构建综合判别准则，通过模糊逻辑分类系统实现对水下目标高置信度识别。本发明提出的初判与精判相结合的探辨一体化主动目标识别方法，可有效解决主动声呐高虚警问题，显著提升探测效能。同时通过互补性和关联性地运用目标多物理特征，有效提高了目标识别正确率和宽容性。
图1是基于多物理特征的主动目标识别原理框图。该图解释了本发明基于多物理特征进行主动声呐目标识别的原理，通过提取具有明确物理含义的特征，可以建立与水下目标类别之间的明确映射关系。具体的，目标径向速度、绝对速度等运动特征反映了目标的运动特性，可以用来区分静止目标与运动目标、慢速目标与快速目标；目标的尺度、亮点结构分布等几何结构特征反映了目标的几何结构，可以用来区分不同尺度大小的目标；目标的子带相关性、相变特性等反映了目标的材质特性，可以用于区分金属目标和非金属目标等。物理特征的可解释性好、泛化性强，通过联合多物理特征融合判决，可以充分利用多物理特征之间的互补性和关联性，实现对水下目标宽容、高置信度识别。
图2是初筛与精判相结合的探辨一体化处理流程。下面结合图2介绍本发明的具体过程。
步骤一：接收主动声呐阵元数据，经过匹配滤波、波束形成等预处理过程，得到波束域数据。
步骤二：对波束域数据进行多域联合处理，进行基于特征检测的初步筛选，得到若干疑似目标。同时，接收跟踪目标信息。分别利用初步筛选目标信息和跟踪目标信息，在波束域数据中提取目标波束。
步骤三：对所选目标波束进行基于多物理特征的精确判别，输出目标的类别和置信度。首先对所选目标波束提取多个具有明确物理含义的特征，包括：
（1）目标绝对速度特征：目标绝对速度是指目标在绝对坐标系下的对地运动速度，是目标运动属性的直观反映。一般可利用主动探测过程中，对目标方位距离的连续估计，计算目标GPS变化率得到。同时，也可根据目标径向速度和目标航向估计，对目标绝对速度进行反向解算。
（2）目标径向速度特征：目标径向速度是指目标绝对速度在目标和探测平台连线方向上的投影，可直观反映出目标相对探测平台的运动状态。目标径向速度是目标工况状态的间接反映，表达了目标所具有的速度属性。一般可利用接收目标回波频率相对发射信号频率的偏移量进行目标径向速度估计。
（3）目标尺度特征：目标尺度特征是指目标首尾距离，是目标形态属性的直观反映之一。一般目标尺度特征可由目标回波包络结构确定，对回波包络上具有不同于背景的一段起伏片段的长度进行估计，记得得到目标尺度。
（4）目标亮点结构特征：目标亮点结构是由目标表面不同形态对主动探测波形进行多处反射，构成的具有一定分布规律的回波包络结构，是目标形态属性的直观反映之一。一般亮点结构特征主要由亮点数量和亮点位置分布组成，通过对目标回波包络进行处理，提取目标亮点结构。
（5）目标连续回波相似度特征：目标连续回波相似度是指连续探测周期内目标回波包络的相似程度，是反映目标材质属性的特征之一。一般而言，具有金属外壳的目标，除去特殊结构，其反射面基本上是连续光滑的，在入射角慢变条件下，回波结构变化较小，连续回波相似度较高。而非人造目标，其反射面形态复杂，入射角的微小变化会影响回波包络结构，连续回波相似度较低。
（6）目标回波子带相关性特征：目标回波子带相关性是指在主动探测信号为宽带信号时，对目标回波信号进行频带分解，利用基准频段对各个子频带信号进行频段搬移校准后，各子带信号与基阵频带信号的相关程度。同样是反映目标材质属性的特征之一。对于金属外壳目标，带内回波响应较为平缓，子带相关性较强。非金属目标，由于材质驳杂，带内回波响应起伏较大，子带相关性较弱。
（7）目标回波相变特征：当声波入射到目标时，回波波形相位会产生跳变，其中水中生物等具有压力释放表面的目标，回波波形会产生180°相位跳变。而对于人造金属物体等具有硬质表面的目标，回波波形不会产生相位跳变。目标回波相变特征表征的就是回波波形相位的跳变程度，是反映目标材质属性的特征之一。
步骤四：对每个物理特征，根据该特征的隶属度函数，将特征进行模糊化，其中隶属度函数可根据概率分布统计法、专家经验法等方法获取。
图3以多回波相似度特征为例，说明了隶属度函数设计方法。图3中的（a）为相似度特征的概率密度分布，根据该概率分布设计隶属度函数如图3中的（b）所示，其模糊集合为小（small）、大（big），论域设计为[0,1]。根据上述隶属度函数，若回波相似度特征为0.9，回波相似度大（big）的概率为1，回波相似度小（small）的概率为0；若回波相似度特征为0.8，回波相似度大（big）的概率为0.95，回波相似度小（small）的概率为0.05。
步骤五：基于对多物理特征的统计研究设计模糊推理知识规则库。根据专家经验按特征物理含义将特征进行分类，对每一类特征产生相应的模糊“if-then”规则；然后，再由专家掌握的同一目标对应的不同类特征之间的关系，产生类间模糊“if-then”规则，具体采用三级判别机制。图4给出了三级综合判决流程图。
步骤六：首先进行第一级判别：目标动静判别。根据目标径向速度或绝对速度大小将目标判为运动目标和静止目标，规则如下
if目标速度
Figure 513143DEST_PATH_IMAGE179
，then目标判为运动目标，else判为静止目标。
其中
Figure 150798DEST_PATH_IMAGE180
为目标速度，根据需要可为径向速度或绝对速度。
Figure 752681DEST_PATH_IMAGE181
为判别阈值，根据实 际处理中统计的环境和数据误差，一般可设为0.5m/s~1m/s。
步骤七：进行第二级判别。根据第一级判别结果，第二级判别分为两部分。当目标为运动目标时，进行水面与水下运动目标判别。分别根据目标亮点结构、目标速度、目标尺度、目标回波相似度等物理特征，基于水面与水下目标特征差异性进行目标判别。规则如下
if
Figure 337246DEST_PATH_IMAGE182
，then
Figure 708184DEST_PATH_IMAGE183
，
else
Figure 720003DEST_PATH_IMAGE184
。
if
Figure 543602DEST_PATH_IMAGE185
，then
Figure 666279DEST_PATH_IMAGE186
。
if
Figure 891724DEST_PATH_IMAGE187
，then
Figure 74443DEST_PATH_IMAGE188
，
Figure 650918DEST_PATH_IMAGE189
。
if
Figure 374024DEST_PATH_IMAGE190
，then
Figure 453975DEST_PATH_IMAGE191
，
Figure 807596DEST_PATH_IMAGE192
。
if
Figure 611647DEST_PATH_IMAGE193
，then
Figure 138443DEST_PATH_IMAGE194
，
Figure 72901DEST_PATH_IMAGE195
。
if
Figure 863003DEST_PATH_IMAGE196
，then
Figure 148491DEST_PATH_IMAGE197
，else
Figure 151082DEST_PATH_IMAGE198
。
if
Figure 205625DEST_PATH_IMAGE199
，then目标为水面目标，置信度为
Figure 166628DEST_PATH_IMAGE200
，else目标为水下目标，置 信度为
Figure 470571DEST_PATH_IMAGE201
。
其中
Figure 542432DEST_PATH_IMAGE202
为水面目标概率，
Figure 717061DEST_PATH_IMAGE203
为水下目标概率，初始值均为0。
Figure 317807DEST_PATH_IMAGE204
是目标亮点结构
Figure 577887DEST_PATH_IMAGE205
和典型水下目标亮点结构模板
Figure 984597DEST_PATH_IMAGE206
的相关系数 （亮点结构匹配度），
Figure 13733DEST_PATH_IMAGE207
为水面水下目标相关系数判别阈值，值域[0,1]，一般可根据模板
Figure 50959DEST_PATH_IMAGE208
的准确程度设定为0.5~0.7。
Figure 532756DEST_PATH_IMAGE209
为目标速度，
Figure 743158DEST_PATH_IMAGE210
为目标速度阈值，根据典型水下目标和水面目标运动速度差 异，可设定为8m/s~10m/s。
Figure 361221DEST_PATH_IMAGE211
和
Figure 631665DEST_PATH_IMAGE212
分别是以
Figure 600758DEST_PATH_IMAGE213
为变量的水面目标速度特征隶 属度函数和水下目标速度特征隶属度函数。
Figure 552534DEST_PATH_IMAGE214
为目标尺度，
Figure 556262DEST_PATH_IMAGE215
为水面水下目标尺度判别阈值，根据典型水下目标和水面目 标形态尺寸差异设定为80m~100m左右。
Figure 669711DEST_PATH_IMAGE216
和
Figure 126101DEST_PATH_IMAGE217
分别是以
Figure 881567DEST_PATH_IMAGE218
为变量的水面目标尺度 特征隶属度函数和水下目标尺度特征隶属度函数。
Figure 739802DEST_PATH_IMAGE219
为目标回波相似度，
Figure 549451DEST_PATH_IMAGE220
为水面水下目标相似度判别阈值，根据典型水下目标 和水面目标连续主动探测周期下回波包络相关性差异，一般可设为0.5~0.7。
Figure 493137DEST_PATH_IMAGE221
和
Figure 583452DEST_PATH_IMAGE222
分别是以
Figure 296194DEST_PATH_IMAGE223
为变量的水面目标回波相似度特征隶属度函数和水下目标回波相似度 特征隶属度函数。
利用上述判别规则，得到第二级判别下对运动目标水面水下分类结果和相应置信度。
步骤八：当一级判别结果为静止目标时，进行人造与非人造静止目标判别，根据目标回波尺度、亮点结构、多回波相似度、子带相关性、回波相位特征等物理特征，将目标判为水面泊船、水下航行器或其他海底固定物。规则如下
if目标尺度
Figure 17025DEST_PATH_IMAGE224
，then
Figure 448006DEST_PATH_IMAGE225
，else
Figure 342013DEST_PATH_IMAGE226
。
if
Figure 909260DEST_PATH_IMAGE227
，then
Figure 66572DEST_PATH_IMAGE228
，else
Figure 719271DEST_PATH_IMAGE229
。
if回波相似度
Figure 354651DEST_PATH_IMAGE230
&子带相关性
Figure 41984DEST_PATH_IMAGE231
&回波相位特征
Figure 370198DEST_PATH_IMAGE232
，then
Figure 510192DEST_PATH_IMAGE233
。
if回波相似度
Figure 746001DEST_PATH_IMAGE234
&子带相关性
Figure 287841DEST_PATH_IMAGE235
&回波相位特征
Figure 786955DEST_PATH_IMAGE236
，then
Figure 414246DEST_PATH_IMAGE237
，
Figure 188167DEST_PATH_IMAGE238
。
if回波相似度
Figure 850092DEST_PATH_IMAGE239
&子带相关性
Figure 520108DEST_PATH_IMAGE240
&回波相位特征
Figure 634695DEST_PATH_IMAGE241
，then
Figure 149990DEST_PATH_IMAGE242
，
Figure 666422DEST_PATH_IMAGE243
。
if回波相似度
Figure 507339DEST_PATH_IMAGE244
&子带相关性
Figure 905959DEST_PATH_IMAGE245
&回波相位特征
Figure 490524DEST_PATH_IMAGE246
，then
Figure 601743DEST_PATH_IMAGE247
，
Figure 613561DEST_PATH_IMAGE248
。
if回波相似度
Figure 437161DEST_PATH_IMAGE249
&子带相关性
Figure 825417DEST_PATH_IMAGE250
&回波相位特征
Figure 50862DEST_PATH_IMAGE251
，then
Figure 30319DEST_PATH_IMAGE252
。
if回波相似度
Figure 606794DEST_PATH_IMAGE253
&子带相关性
Figure 267582DEST_PATH_IMAGE254
&回波相位特征
Figure 347534DEST_PATH_IMAGE255
，then
Figure 763471DEST_PATH_IMAGE256
，
Figure 561663DEST_PATH_IMAGE257
。
if回波相似度
Figure 760563DEST_PATH_IMAGE258
&子带相关性
Figure 960601DEST_PATH_IMAGE259
&回波相位特征
Figure 750702DEST_PATH_IMAGE260
，then
Figure 567348DEST_PATH_IMAGE261
，
Figure 101098DEST_PATH_IMAGE262
。
if回波相似度
Figure 155641DEST_PATH_IMAGE263
&子带相关性
Figure 851065DEST_PATH_IMAGE264
&回波相位特征
Figure 623849DEST_PATH_IMAGE265
，then
Figure 695710DEST_PATH_IMAGE266
，
Figure 339181DEST_PATH_IMAGE267
。
if
Figure 471085DEST_PATH_IMAGE268
，then目标为人造静止目标，置信度
Figure 465586DEST_PATH_IMAGE269
，else目标为非人造静 止目标，置信度
Figure 137876DEST_PATH_IMAGE270
。
其中
Figure 901432DEST_PATH_IMAGE271
为人造目标置信度，
Figure 938659DEST_PATH_IMAGE272
为非人造目标置信度，初始值均为0。
Figure 482772DEST_PATH_IMAGE273
为目标尺度，
Figure 914014DEST_PATH_IMAGE274
、
Figure 532077DEST_PATH_IMAGE275
为典型人造与非人造目标尺度判别阈值，一般人造物体具 有一定范围的连续尺度，
Figure 536943DEST_PATH_IMAGE276
可设定为10m~30m，
Figure 506036DEST_PATH_IMAGE277
可设定为100m~150m。而非人造物体如鱼 群、海底山等一般没有规则形态，尺度分布较为散乱，没有固定区间。
Figure 723390DEST_PATH_IMAGE278
和
Figure 461539DEST_PATH_IMAGE279
分别 是以
Figure 106147DEST_PATH_IMAGE280
为变量的人造目标尺度特征隶属度函数和非人造目标尺度特征隶属度函数。
Figure 296957DEST_PATH_IMAGE281
是目标亮点结构
Figure 52423DEST_PATH_IMAGE282
和典型人造物体（海底管道、沉船等）亮点结构 模板
Figure 707396DEST_PATH_IMAGE283
的相关系数（亮点结构匹配度），
Figure 726167DEST_PATH_IMAGE284
为人造与非人造目标相关系数判别阈值，值 域[0,1]，一般可根据模板
Figure 201011DEST_PATH_IMAGE285
的准确程度设定为0.4~0.6。
Figure 760168DEST_PATH_IMAGE286
为回波相似度，
Figure 207330DEST_PATH_IMAGE287
为人造与非人造目标相似度判别阈值，根据典型人造目标 和非人造目标连续主动探测周期下回波包络相关性差异设定，一般可设为0.6~0.8。
Figure 193741DEST_PATH_IMAGE288
和
Figure 624722DEST_PATH_IMAGE289
分别是以
Figure 518729DEST_PATH_IMAGE290
为变量的人造目标相似度特征隶属度函数和非人造目标相似度特征 隶属度函数。
Figure 85976DEST_PATH_IMAGE291
为子带相关性，
Figure 977709DEST_PATH_IMAGE292
为人造与非人造目标子带相关性判别阈值，由于人造目标子 带相关性较强，一般可设为0.7~0.9。
Figure 630407DEST_PATH_IMAGE293
和
Figure 328105DEST_PATH_IMAGE294
分别是以
Figure 15438DEST_PATH_IMAGE295
为变量的人造目标相似 度特征隶属度函数和非人造目标相似度特征隶属度函数。
Figure 343651DEST_PATH_IMAGE296
为回波相位特征，
Figure 218066DEST_PATH_IMAGE297
为人造与非人造目标回波相位特征判别阈值，根据步骤 三中对回波相位特征的描述，可将
Figure 657138DEST_PATH_IMAGE298
设定为90°。
Figure 198978DEST_PATH_IMAGE299
和
Figure 698092DEST_PATH_IMAGE300
分别是以
Figure 325383DEST_PATH_IMAGE301
为变量 的人造目标相似度特征隶属度函数和非人造目标相似度特征隶属度函数。
利用上述判别规则，得到静止人造目标或非人造目标分类结果。
步骤九：进行第三级判别。对步骤七中判别出的水下运动目标进行更进一步的精细类型判别。根据目标速度、相似度、尺度、回波亮点结构等将目标判为水下航行器、鱼群或其他类型，规则如下：
if目标速度
Figure 370742DEST_PATH_IMAGE302
，then
Figure 32668DEST_PATH_IMAGE303
，else
Figure 702683DEST_PATH_IMAGE304
。
if目标尺度
Figure 551691DEST_PATH_IMAGE305
，then
Figure 598144DEST_PATH_IMAGE306
，else
Figure 848997DEST_PATH_IMAGE307
。
if目标速度
Figure 486652DEST_PATH_IMAGE308
&目标尺度
Figure 557376DEST_PATH_IMAGE309
，then
Figure 938679DEST_PATH_IMAGE310
。
if目标速度
Figure 309617DEST_PATH_IMAGE311
&目标尺度
Figure 321435DEST_PATH_IMAGE312
，then
Figure 145035DEST_PATH_IMAGE313
，
Figure 267712DEST_PATH_IMAGE314
。
if目标速度
Figure 758736DEST_PATH_IMAGE315
&目标尺度
Figure 738193DEST_PATH_IMAGE316
，then
Figure 49089DEST_PATH_IMAGE317
，
Figure 975456DEST_PATH_IMAGE318
。
if目标速度
Figure 55408DEST_PATH_IMAGE319
&目标尺度
Figure 409029DEST_PATH_IMAGE320
，then
Figure 3958DEST_PATH_IMAGE321
。
if回波相似度
Figure 734017DEST_PATH_IMAGE322
，then
Figure 934054DEST_PATH_IMAGE323
，else
Figure 458576DEST_PATH_IMAGE324
。
if亮点数量
Figure 478485DEST_PATH_IMAGE325
，then
Figure 12234DEST_PATH_IMAGE326
，else
Figure 66778DEST_PATH_IMAGE327
。
if
Figure 762202DEST_PATH_IMAGE328
，then目标为水下航行器，置信度
Figure 325864DEST_PATH_IMAGE329
，else目标为海洋生物（鱼群 或其他大型生物），置信度
Figure 132146DEST_PATH_IMAGE330
。
其中
Figure 41196DEST_PATH_IMAGE331
为水下航行器置信度，
Figure 173100DEST_PATH_IMAGE332
为海洋生物置信度，初始值均为0。
Figure 964339DEST_PATH_IMAGE333
为连续探测周期目标速度估计向量，
Figure 839891DEST_PATH_IMAGE334
代表
Figure 337868DEST_PATH_IMAGE335
的方差，
Figure 640674DEST_PATH_IMAGE336
为方差判别 阈值，一般水下航行器的运动状态在短时间内处于稳定状态，方差较小，而海洋生物运动速 度变化较大。
Figure 919208DEST_PATH_IMAGE337
为连续探测周期目标尺度估计向量，
Figure 332872DEST_PATH_IMAGE338
代表
Figure 216514DEST_PATH_IMAGE339
的方差，
Figure 690221DEST_PATH_IMAGE340
为方差判别 阈值，一般水下航行器在短时间内航路不变，尺度估计较为稳定状态，方差较小，而海洋生 物运动状态变化较快，方差较大。
Figure 659314DEST_PATH_IMAGE341
为目标速度，
Figure 611089DEST_PATH_IMAGE342
为目标速度阈值，水下航行器速度一般大于海洋生物，可设定 为1m/s~3m/s。
Figure 349238DEST_PATH_IMAGE343
和
Figure 993846DEST_PATH_IMAGE344
分别是以
Figure 450235DEST_PATH_IMAGE345
为变量的水下航行器速度特征隶属度函数 和海洋生物速度特征隶属度函数。
Figure 205702DEST_PATH_IMAGE346
为目标尺度，
Figure 860674DEST_PATH_IMAGE347
为目标尺度判别阈值，根据典型水下航行器和海洋生物形态 尺寸差异设定为0m~10m左右。
Figure 410604DEST_PATH_IMAGE348
和
Figure 88710DEST_PATH_IMAGE349
分别是以
Figure 647867DEST_PATH_IMAGE350
为变量的水下航行器尺度特征隶 属度函数和海洋生物尺度特征隶属度函数。
Figure 360609DEST_PATH_IMAGE351
为回波相似度，
Figure 143757DEST_PATH_IMAGE352
为人造与非人造目标相似度判别阈值，
Figure 309159DEST_PATH_IMAGE353
和
Figure 140849DEST_PATH_IMAGE354
分 别是以
Figure 973675DEST_PATH_IMAGE355
为变量的人造目标和非人造目标相似度特征隶属度函数，可以进行水下航行器和 海洋生物的判别，具体参照步骤八中目标回波相似度变量表述。
Figure 136847DEST_PATH_IMAGE356
为亮点数量，
Figure 586283DEST_PATH_IMAGE357
、
Figure 487242DEST_PATH_IMAGE358
为亮点数量判别区间，一般鱼群亮点结构较散乱，亮点数 量较多，大型海洋生物反射点在空腔，亮点数量较少，而典型水下航行器亮点数量分布居 中。
Figure 174576DEST_PATH_IMAGE359
和
Figure 502789DEST_PATH_IMAGE360
分别是以
Figure 642783DEST_PATH_IMAGE361
为变量的水下航行器和海洋生物亮点数量隶属度 函数。
利用上述判别规则，得到水下运动目标精细分类结果。图5为基于模糊逻辑分类器的主动目标识别流程。将提取的多物理特征分别模糊化后，输入模糊推理规则库，得到判决输出。
利用试验数据进行分析，结果如表1所示，本发明提出方法对水下目标的识别正确率可达80%以上。
Figure 81855DEST_PATH_IMAGE362
表1
可以理解的是，对本领域技术人员来说，对本发明的技术方案及发明构思加以等同替换或改变都应属于本发明所附的权利要求的保护范围。

Claims (5)

1.一种基于多物理特征的主动声呐目标识别方法，其特征在于：包括步骤如下：
步骤一：接收主动声呐阵元数据，经过预处理得到波束域数据；
步骤二：对波束域数据进行多域联合处理，进行初步筛选目标信息，得到若干疑似目标；同时，接收跟踪目标信息，分别利用初步筛选目标信息和跟踪目标信息，在波束域数据中提取目标波束；
步骤三：对所选目标波束进行基于多物理特征的精确判别，输出目标的类别和置信度；
（1）、对所选目标波束提取多个具有明确物理含义的特征，包括目标速度特征、目标尺度特征、目标亮点结构特征、目标连续回波相似度特征、目标回波子带相关性特征和目标回波相变特征，其中目标速度特征包括目标绝对速度特征和目标径向速度特征；
（2）、对每个具有明确物理含义的特征进行统计分析，生成该特征的隶属度函数；
（3）、设计模糊推理知识规则库，根据专家经验按物理含义将特征进行分类，对每一类特征产生相应的模糊“if-then”规则；然后，再由同一目标对应的不同类特征之间的关系，产生类间模糊“if-then”规则，具体采用三级判别机制；
（3.1）、首先进行第一级判别：目标动静判别，根据目标径向速度或绝对速度大小将目标判为运动目标和静止目标；
（3.2）、根据第一级判别结果，进行第二级判别，第二级判别分为两部分；
（3.2.1）、当一级判别结果为运动目标时，分别根据目标亮点结构特征、目标速度特征、目标尺度特征、目标连续回波相似度特征，进行水面运动目标与水下运动目标判别；利用判别规则A，得到第二级判别下对运动目标水面水下分类结果和相应置信度；
（3.2.2）、当一级判别结果为静止目标时，根据目标尺度特征、目标亮点结构特征、目标连续回波相似度特征、目标回波子带相关性特征、目标回波相变特征，进行人造与非人造静止目标判别；利用判别规则B，得到静止人造目标或非人造目标分类结果；
（3.3）、进行第三级判别：根据目标绝对速度特征、目标径向速度特征、目标尺度特征、目标亮点结构特征、目标连续回波相似度特征，对判别出的水下运动目标进行精细类型判别，利用判别规则C，得到水下运动目标精细分类结果。
2.根据权利要求1所述的基于多物理特征的主动声呐目标识别方法，其特征在于：所述步骤（3.1）的规则如下：
假如目标速度
Figure 118679DEST_PATH_IMAGE002
，则目标判为运动目标，否则判为静止目标；
其中
Figure 707924DEST_PATH_IMAGE004
为目标速度，目标速度为目标径向速度或目标绝对速度，
Figure 159765DEST_PATH_IMAGE006
为判别阈值。
3.根据权利要求1所述的基于多物理特征的主动声呐目标识别方法，其特征在于：所述步骤（3.2.1）中基于水面与水下目标特征差异性进行目标判别，判别规则A如下：
假如
Figure 227078DEST_PATH_IMAGE008
，则
Figure 838188DEST_PATH_IMAGE010
，否则
Figure 67175DEST_PATH_IMAGE012
；
假如
Figure 6312DEST_PATH_IMAGE014
，则
Figure 1950DEST_PATH_IMAGE016
；
假如
Figure 77353DEST_PATH_IMAGE018
，则
Figure 742821DEST_PATH_IMAGE020
；
假如
Figure 28309DEST_PATH_IMAGE022
，则
Figure 437424DEST_PATH_IMAGE024
；
假如
Figure 632914DEST_PATH_IMAGE026
，则
Figure 593916DEST_PATH_IMAGE028
，
Figure 507646DEST_PATH_IMAGE030
；
假如
Figure 720452DEST_PATH_IMAGE032
，则
Figure 36027DEST_PATH_IMAGE034
，否则
Figure 167931DEST_PATH_IMAGE036
；
假如
Figure 303377DEST_PATH_IMAGE038
，则目标为水面目标，置信度为
Figure 319875DEST_PATH_IMAGE040
，否则目标为水下目标，置信度为
Figure 755536DEST_PATH_IMAGE042
；
其中
Figure 724585DEST_PATH_IMAGE044
为水面目标概率，
Figure 878486DEST_PATH_IMAGE046
为水下目标概率，初始值均为0；
Figure 839620DEST_PATH_IMAGE048
是目标亮点结构
Figure 926525DEST_PATH_IMAGE050
和典型水下目标亮点结构模板
Figure 213281DEST_PATH_IMAGE052
的相关系数，
Figure 588898DEST_PATH_IMAGE054
为水面水下目标相关系数判别阈值；
Figure 681619DEST_PATH_IMAGE056
为目标速度，
Figure 950927DEST_PATH_IMAGE058
为目标速度阈值，
Figure 736480DEST_PATH_IMAGE060
和
Figure 333815DEST_PATH_IMAGE062
分别是以
Figure 495806DEST_PATH_IMAGE064
为变量的水面目标速度特征隶属度函数和水下目标速度特征隶属度函数；
Figure 229407DEST_PATH_IMAGE066
为目标尺度，
Figure 44916DEST_PATH_IMAGE068
为水面水下目标尺度判别阈值，
Figure 129546DEST_PATH_IMAGE070
和
Figure 829649DEST_PATH_IMAGE072
分别是以
Figure 542390DEST_PATH_IMAGE074
为变量的水面目标尺度特征隶属度函数和水下目标尺度特征隶属度函数；
Figure 404167DEST_PATH_IMAGE076
为回波相似度，
Figure 835148DEST_PATH_IMAGE078
为水面水下目标相似度判别阈值，
Figure 90941DEST_PATH_IMAGE080
和
Figure 64713DEST_PATH_IMAGE082
分别是以
Figure 97391DEST_PATH_IMAGE084
为变量的水面目标回波相似度特征隶属度函数和水下目标回波相似度特征隶属度函数。
4.根据权利要求1所述的基于多物理特征的主动声呐目标识别方法，其特征在于：所述步骤（3.2.2）中，判别规则B为：
假如目标尺度
Figure 422193DEST_PATH_IMAGE086
，则
Figure 588732DEST_PATH_IMAGE088
，否则
Figure 151432DEST_PATH_IMAGE090
；
假如
Figure 355011DEST_PATH_IMAGE092
，则
Figure 901530DEST_PATH_IMAGE094
，否则
Figure 606181DEST_PATH_IMAGE096
；
假如回波相似度
Figure 288966DEST_PATH_IMAGE098
&子带相关性
Figure 929026DEST_PATH_IMAGE100
&回波相位特征
Figure 821896DEST_PATH_IMAGE102
，则
Figure 940025DEST_PATH_IMAGE104
；
假如回波相似度
Figure 477316DEST_PATH_IMAGE106
&子带相关性
Figure 147332DEST_PATH_IMAGE108
&回波相位特征
Figure 402864DEST_PATH_IMAGE110
，则
Figure 324684DEST_PATH_IMAGE112
，
Figure 841116DEST_PATH_IMAGE114
；
假如回波相似度
Figure 822978DEST_PATH_IMAGE116
&子带相关性
Figure 565806DEST_PATH_IMAGE118
&回波相位特征
Figure 415951DEST_PATH_IMAGE120
，则
Figure 662255DEST_PATH_IMAGE122
，
Figure 809160DEST_PATH_IMAGE124
；
假如回波相似度
Figure 632759DEST_PATH_IMAGE126
&子带相关性
Figure 161961DEST_PATH_IMAGE128
&回波相位特征
Figure 387406DEST_PATH_IMAGE130
，则
Figure 711071DEST_PATH_IMAGE132
，
Figure 428491DEST_PATH_IMAGE134
；
假如回波相似度
Figure 495804DEST_PATH_IMAGE136
&子带相关性
Figure 575756DEST_PATH_IMAGE138
&回波相位特征
Figure 335901DEST_PATH_IMAGE140
，则
Figure 275038DEST_PATH_IMAGE142
；
假如回波相似度
Figure 270676DEST_PATH_IMAGE144
&子带相关性
Figure 80500DEST_PATH_IMAGE146
&回波相位特征
Figure 11547DEST_PATH_IMAGE148
，则
Figure 562614DEST_PATH_IMAGE150
，
Figure 971730DEST_PATH_IMAGE152
；
假如回波相似度
Figure 167219DEST_PATH_IMAGE154
&子带相关性
Figure 269167DEST_PATH_IMAGE156
&回波相位特征
Figure 776372DEST_PATH_IMAGE158
，则
Figure 989179DEST_PATH_IMAGE160
，
Figure 304753DEST_PATH_IMAGE162
；
假如回波相似度
Figure 436658DEST_PATH_IMAGE164
&子带相关性
Figure 837683DEST_PATH_IMAGE166
&回波相位特征
Figure 323022DEST_PATH_IMAGE168
，则
Figure 617737DEST_PATH_IMAGE170
，
Figure 524470DEST_PATH_IMAGE172
；
假如
Figure 412792DEST_PATH_IMAGE174
，则目标为人造静止目标，置信度
Figure 92035DEST_PATH_IMAGE176
，否则目标为非人造静止目标，置信度
Figure 851043DEST_PATH_IMAGE178
；
其中
Figure 465696DEST_PATH_IMAGE180
为人造目标置信度，
Figure 700368DEST_PATH_IMAGE182
为非人造目标置信度，初始值均为0；
Figure 793089DEST_PATH_IMAGE184
为目标尺度，
Figure 672183DEST_PATH_IMAGE186
、
Figure 316791DEST_PATH_IMAGE188
为典型人造与非人造目标尺度判别阈值；
Figure DEST_PATH_IMAGE190
和
Figure DEST_PATH_IMAGE192
分别是以
Figure DEST_PATH_IMAGE194
为变量的人造目标尺度特征隶属度函数和非人造目标尺度特征隶属度函数；
Figure DEST_PATH_IMAGE196
是目标亮点结构
Figure DEST_PATH_IMAGE198
和典型人造物体亮点结构模板
Figure DEST_PATH_IMAGE200
的相关系数，
Figure DEST_PATH_IMAGE202
为人造与非人造目标相关系数判别阈值；
Figure DEST_PATH_IMAGE204
为回波相似度，
Figure DEST_PATH_IMAGE206
为人造与非人造目标相似度判别阈值，
Figure DEST_PATH_IMAGE208
和
Figure DEST_PATH_IMAGE210
分别是以
Figure DEST_PATH_IMAGE212
为变量的人造目标相似度特征隶属度函数和非人造目标相似度特征隶属度函数；
Figure DEST_PATH_IMAGE214
为子带相关性，
Figure DEST_PATH_IMAGE216
为人造与非人造目标子带相关性判别阈值，
Figure DEST_PATH_IMAGE218
和
Figure DEST_PATH_IMAGE220
分别是以
Figure DEST_PATH_IMAGE222
为变量的人造目标相似度特征隶属度函数和非人造目标相似度特征隶属度函数；
Figure DEST_PATH_IMAGE224
为回波相位特征，
Figure DEST_PATH_IMAGE226
为人造与非人造目标回波相位特征判别阈值，
Figure DEST_PATH_IMAGE228
和
Figure DEST_PATH_IMAGE230
分别是以
Figure DEST_PATH_IMAGE232
为变量的人造目标相似度特征隶属度函数和非人造目标相似度特征隶属度函数。
5.根据权利要求1所述的基于多物理特征的主动声呐目标识别方法，其特征在于：所述步骤（3. 3）中，判别规则C为：
假如目标速度
Figure DEST_PATH_IMAGE234
，则
Figure DEST_PATH_IMAGE236
，否则
Figure DEST_PATH_IMAGE238
；
假如目标尺度
Figure DEST_PATH_IMAGE240
，则
Figure DEST_PATH_IMAGE242
，否则
Figure DEST_PATH_IMAGE244
；
假如目标速度
Figure DEST_PATH_IMAGE246
&目标尺度
Figure DEST_PATH_IMAGE248
，则
Figure DEST_PATH_IMAGE250
；
假如目标速度
Figure DEST_PATH_IMAGE252
&目标尺度
Figure DEST_PATH_IMAGE254
，则
Figure DEST_PATH_IMAGE256
；
假如目标速度
Figure DEST_PATH_IMAGE258
&目标尺度
Figure DEST_PATH_IMAGE260
，则
Figure DEST_PATH_IMAGE262
，
Figure DEST_PATH_IMAGE264
；
假如目标速度
Figure DEST_PATH_IMAGE266
&目标尺度
Figure DEST_PATH_IMAGE268
，则
Figure DEST_PATH_IMAGE270
；
假如回波相似度
Figure DEST_PATH_IMAGE272
，则
Figure DEST_PATH_IMAGE274
，否则
Figure DEST_PATH_IMAGE276
；
假如亮点数量
Figure DEST_PATH_IMAGE278
，则
Figure DEST_PATH_IMAGE280
，否则
Figure DEST_PATH_IMAGE282
；
假如
Figure DEST_PATH_IMAGE284
，则目标为水下航行器，置信度
Figure DEST_PATH_IMAGE286
，否则目标为海洋生物，置信度
Figure DEST_PATH_IMAGE288
；
其中
Figure DEST_PATH_IMAGE290
为水下航行器置信度，
Figure DEST_PATH_IMAGE292
为海洋生物置信度，初始值均为0；
Figure DEST_PATH_IMAGE294
为连续探测周期目标速度估计向量，
Figure DEST_PATH_IMAGE296
代表
Figure DEST_PATH_IMAGE298
的方差，
Figure DEST_PATH_IMAGE300
为方差判别阈值；
Figure DEST_PATH_IMAGE302
为连续探测周期目标尺度估计向量，
Figure DEST_PATH_IMAGE304
代表
Figure DEST_PATH_IMAGE306
的方差，
Figure DEST_PATH_IMAGE308
为方差判别阈值；
Figure DEST_PATH_IMAGE310
为目标速度，
Figure DEST_PATH_IMAGE312
为目标速度阈值，
Figure DEST_PATH_IMAGE314
和
Figure DEST_PATH_IMAGE316
分别是以
Figure DEST_PATH_IMAGE318
为变量的水下航行器速度特征隶属度函数和海洋生物速度特征隶属度函数；
Figure DEST_PATH_IMAGE320
为目标尺度，
Figure DEST_PATH_IMAGE322
为目标尺度判别阈值，
Figure DEST_PATH_IMAGE324
和
Figure DEST_PATH_IMAGE326
分别是以
Figure DEST_PATH_IMAGE328
为变量的水下航行器尺度特征隶属度函数和海洋生物尺度特征隶属度函数；
Figure DEST_PATH_IMAGE330
为回波相似度，
Figure DEST_PATH_IMAGE332
为人造与非人造目标相似度判别阈值，
Figure DEST_PATH_IMAGE334
和
Figure DEST_PATH_IMAGE336
分别是以
Figure DEST_PATH_IMAGE338
为变量的人造目标和非人造目标相似度特征隶属度函数；
Figure DEST_PATH_IMAGE340
为亮点数量，
Figure DEST_PATH_IMAGE342
、
Figure DEST_PATH_IMAGE344
为亮点数量判别区间，
Figure DEST_PATH_IMAGE346
和
Figure DEST_PATH_IMAGE348
分别是以
Figure DEST_PATH_IMAGE350
为变量的水下航行器和海洋生物亮点数量隶属度函数。
CN202210436332.9A 2022-04-25 2022-04-25 基于多物理特征的主动声呐目标识别方法 Active CN114545422B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210436332.9A CN114545422B (zh) 2022-04-25 2022-04-25 基于多物理特征的主动声呐目标识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210436332.9A CN114545422B (zh) 2022-04-25 2022-04-25 基于多物理特征的主动声呐目标识别方法

Publications (2)

Publication Number Publication Date
CN114545422A true CN114545422A (zh) 2022-05-27
CN114545422B CN114545422B (zh) 2022-07-19

Family

ID=81666648

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210436332.9A Active CN114545422B (zh) 2022-04-25 2022-04-25 基于多物理特征的主动声呐目标识别方法

Country Status (1)

Country Link
CN (1) CN114545422B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116381607A (zh) * 2023-04-11 2023-07-04 哈尔滨工程大学 多目标击水声特征关联方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104777474A (zh) * 2015-04-29 2015-07-15 中国科学院声学研究所 一种用于水下目标识别的回波相位特征提取方法
CN105785345A (zh) * 2016-04-29 2016-07-20 天津大学 基于宽带模糊函数和海洋生物声的主动声呐波形筛选器
CN108334893A (zh) * 2017-12-30 2018-07-27 中国科学院声学研究所 一种多亮点聚类分析的水下细长体特征识别方法
CN109471114A (zh) * 2018-11-06 2019-03-15 哈尔滨工程大学 一种基于幅度法的多波束声呐海底地形测量质量实时评估方法
CN110488301A (zh) * 2019-07-17 2019-11-22 中国人民解放军91388部队 一种多源信息融合的声纳综合目标识别方法
CN111291327A (zh) * 2020-02-19 2020-06-16 山东科技大学 一种基于分治思想的多波束海底底质分类方法
CN112836674A (zh) * 2021-02-28 2021-05-25 西北工业大学 基于微多普勒特征的水下目标识别方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104777474A (zh) * 2015-04-29 2015-07-15 中国科学院声学研究所 一种用于水下目标识别的回波相位特征提取方法
CN105785345A (zh) * 2016-04-29 2016-07-20 天津大学 基于宽带模糊函数和海洋生物声的主动声呐波形筛选器
CN108334893A (zh) * 2017-12-30 2018-07-27 中国科学院声学研究所 一种多亮点聚类分析的水下细长体特征识别方法
CN109471114A (zh) * 2018-11-06 2019-03-15 哈尔滨工程大学 一种基于幅度法的多波束声呐海底地形测量质量实时评估方法
CN110488301A (zh) * 2019-07-17 2019-11-22 中国人民解放军91388部队 一种多源信息融合的声纳综合目标识别方法
CN111291327A (zh) * 2020-02-19 2020-06-16 山东科技大学 一种基于分治思想的多波束海底底质分类方法
CN112836674A (zh) * 2021-02-28 2021-05-25 西北工业大学 基于微多普勒特征的水下目标识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
禹亮等: "基于证据理论的水声多目标优选方法", 《西北工业大学学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116381607A (zh) * 2023-04-11 2023-07-04 哈尔滨工程大学 多目标击水声特征关联方法
CN116381607B (zh) * 2023-04-11 2023-10-27 哈尔滨工程大学 多目标击水声特征关联方法

Also Published As

Publication number Publication date
CN114545422B (zh) 2022-07-19

Similar Documents

Publication Publication Date Title
Stone et al. Bayesian multiple target tracking
Kowalska et al. Maritime anomaly detection using Gaussian process active learning
CN110501683B (zh) 一种基于四维数据特征的海陆杂波分类方法
CN117198330B (zh) 一种声源识别方法、系统及电子设备
Yuan et al. A multi-task analysis and modelling paradigm using LSTM for multi-source monitoring data of inland vessels
Yang et al. Underwater acoustic research trends with machine learning: Active SONAR applications
Alaie et al. Passive sonar target detection using statistical classifier and adaptive threshold
CN114545422B (zh) 基于多物理特征的主动声呐目标识别方法
CN115114949A (zh) 一种基于水声信号的舰船目标智能识别方法及系统
CN113570005A (zh) 一种基于机载光子雷达的远距离舰船类型识别方法
CN114740441A (zh) 一种基于小样本的低慢小目标雷达回波识别方法
Beckler et al. Multilabel classification of heterogeneous underwater soundscapes with Bayesian deep learning
Farrokhrooz et al. Marine vessels acoustic radiated noise classification in passive sonar using probabilistic neural network and spectral features
Axelsson et al. Neural-network-based classification of commercial ships from multi-influence passive signatures
Wang et al. Passive tracking of underwater acoustic targets based on multi-beam LOFAR and deep learning
Guo et al. Classification of inbound and outbound ships using convolutional neural networks
Scherrer et al. Boat detection in marina using time-delay analysis and deep learning
GB2607290A (en) Apparatus and method of classification
Deuser et al. On the classification of underwater acoustic signals. II. Experimental applications involving fish
Ristic et al. Bernoulli multi-target track-before-detect for maritime radar
CN112686325B (zh) 一种基于灰度包络的水下目标搜索方案评估决策方法
Zhang et al. A multibeam outlier detection algorithm based on density clustering
Stinco et al. Unsupervised active sonar contact classification through anomaly detection
Leung An intelligent radar recognition system for surveillance
CN118296355A (zh) 一种基于深度学习的多回波相似性特征提取方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant