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 PDFInfo
- 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
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
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:
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:
更进一步的,所述步骤(3.2.2)中,判别规则B为:
更进一步的,所述步骤(3. 3)中,判别规则C为:
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
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
为目标回波相似度,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。和分别是以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
为目标尺度,、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,可设定为10m~30m,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。和分别
是以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。
为回波相似度,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。
和分别是以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:
为亮点数量,、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。和分别是以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。
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。
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:
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:
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:
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)
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)
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 |
-
2022
- 2022-04-25 CN CN202210436332.9A patent/CN114545422B/zh active Active
Patent Citations (7)
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)
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)
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 |