一种目标类型识别的方法及装置的制造方法
【技术领域】
[0001] 本发明涉及探测技术领域，特别涉及一种目标类型识别的方法及装置。
【背景技术】
[0002] 我国幅员辽阔，重要保卫目标分布全国，容易收到武装直升机、巡航导弹、无人驾 驶飞机等高科技飞行器等的攻击，迫切需要建立保护重要区域的低空目标探测预警系统， 低空飞行的目标由于飞行高度低、雷达散射截面小，一般雷达难以发现，但这些目标在飞行 过程中辐射的声音难以消除，利用这些声音对低空飞行目标进行定位和识别是现代学者们 普遍关注的被动声探测两大关键技术。
[0003] 利用不同的目标类型辐射的声信号不同，通过提取不同目标声信号的声纹特征， 利用模式识别的方法进一步对声纹特征进行归类分析，可达到对不同目标进行识别的目 的。具体的，现有技术中在进行目标类型识别时，需要采集目标的声信号数据，对采集到的 目标声信号数据进行特征提取分析，然后再利用包括模板匹配和神经网络的分类识别技术 对目标的类型进行识别。
[0004] 然而，模板匹配技术需要在特定条件下才能使用，神经网络技术要求有充分的样 本数据，需对网络进行充分的训练，要求网络权系数收敛到全局最优解，否则神经网络在实 际使用时很难达到预期的效果，因此采样现有技术中的分类识别技术在实际使用中很难达 到预期效果，影响识别结果的准确性。
【发明内容】
[0005] 本发明实施例提供一种目标类型的识别方法，能够有效提高目标识别的准确度。
[0006] 本发明实施例中第一方面提供一种目标定位的方法，包括：
[0007] 通过平面传声阵列采集目标的声信号，所述目标包括低空飞行的无人机、轻型飞 机、动力三角翼、巡航导弹、动力滑翔伞中的任意一种；
[0008] 对所述声信号进行方向估计，并对方向估计后的声信号进行空域滤波处理；
[0009]在空域滤波处理后，提取所述声信号的特征、所述声信号的特征对应的特征向量 以及所述目标的特征；
[0010]根据所所述声信号的特征、所述声信号的特征向量以及所述目标的特征，确定所 述目标的类型置信度；
[0011]通过融合识别技术对所述类型置信度进行识别，以确定所述目标的类型。
[0012] 可选的，在通过平面传声阵列采集目标的声信号之后，且对所述声信号进行方向 估计，并对方向估计后的声信号进行空域滤波处理之前，还包括：
[0013] 对所述声信号进行自适应噪声抑制处理。
[0014] 可选的，所述对所述声信号进行自适应噪声抑制处理包括：
[0015] 利用基于小波分解的自适应噪声抑制技术对所述声信号进行抑制处理。
[0016] 可选的，在估计出所述声信号的方向后，根据所述声信号在各时刻的方向确定所 述目标的航迹。
[0017] 可选的，所述提取所述声信号的特征包括：
[0018] 当辐射的声音功率谱线谱基频大于阈值时，通过直升机线谱和谐波集检测算法对 频域特征进行分析，以得到线谱频率特征；
[0019] 所述提取所述声信号的特征向量包括：
[0020] 计算出自相关系数和倒谱系数；
[0021] 将所述自相关系数和所述倒谱系数结合，得到若干维数的时域特征向量；
[0022] 进行非参数化功率谱分析，以计算出功率谱；
[0023] 利用计算出的功率谱，得到若干维数的频域特征向量；
[0024] 计算声信号各频带的能量特征、标准差特征、谱重心特征和小波包样本熵特征；
[0025] 将能量特征、标准差特征、谱重心特征和小波包样本熵特征进行组合，得到若干维 数的小波包特征量；
[0026]所述提取所述目标的特征包括：
[0027] 对所述目标的方位及其变化率进行跟踪预测，得到所述目标的动态航迹特征。
[0028] 可选的，所述根据所述声信号的特征确定所述目标的类型置信度包括：
[0029] 根据所述线谱频率特征预先建立特征频率库；
[0030] 实时提取所述声信号的特征频率；
[0031] 根据提取到的所述特征频率与所述特征频率库中的匹配情况，确定所述目标的第 一类型置信度；
[0032] 所述根据所述声信号的特征向量确定所述目标的类型置信度包括：
[0033] 根据所述时域特征向量的维数和所述目标的数量分别确定时域特征子神经网络 的输入和输出层数；
[0034] 通过所述时域特征子神经网络确定所述目标的第二类型置信度；
[0035] 根据所述频域特征向量的维数和所述目标的数量分别确定频域特征子神经网络 的输入和输出层数；
[0036]通过所述频域特征子神经网络确定所述目标的第三类型置信度；
[0037] 根据所述小波包特征向量的维数和所述目标的数量分别确定小波包特征子神经 网络的输入和输出层数；
[0038] 通过所述小波包特征子神经网络确定所述目标的第四类型置信度；
[0039] 所述根据所述目标的特征向量确定所述目标的类型置信度包括：
[0040] 通过航迹关联识别技术，将所述航迹和所述动态航迹特征进行关联，确定所述目 标的第五类型置信度。
[0041 ]可选的，所述通过融合识别技术对所述类型置信度进行识别，以确定所述目标的 类型包括：
[0042]利用所述第一类型置信度、第二类型置信度、第三类型置信度、第四类型置信度、 第五类型置信度以及加权值，计算出类型置信度的总值，选取最大值对应的类型作为所述 目标的类型。
[0043]可选的，在所述通过融合识别技术对所述类型置信度进行识别，以确定所述目标 的类型之前还包括：
[0044] 利用遗传算法和神经网络相结合的识别分类方法对神经网络权系数进行全局优 化。
[0045] 可选的，当所述目标为低空慢速小目标时，通过十字传声阵列采集所述目标的声 信号，所述十字传声阵列包括12个传声阵列元和4根相互垂直的水平杆。
[0046] 本发明实施例中第二方面提供一种目标类型识别装置，包括：
[0047] 采集模块，用于通过平面传声阵列采集目标的声信号，所述目标包括低空飞行的 无人机、轻型飞机、动力三角翼、巡航导弹、动力滑翔伞中的任意一种；
[0048]第一处理模块，用于对所述声信号进行方向估计，并对方向估计后的声信号进行 空域滤波处理；
[0049] 提取模块，用于在空域滤波处理后，提取所述声信号的特征、所述声信号的特征对 应的特征向量以及所述目标的特征；
[0050] 第一确定模块，用于根据所述声信号的特征、所述声信号的特征向量以及所述目 标的特征，确定所述目标的类型置信度；
[0051 ]识别模块，用于通过融合识别技术对所述类型置信度进行识别，以确定所述目标 的类型。
[0052] 可选的，所述装置还包括：
[0053]第二处理模块，用于在通过平面传声阵列采集目标的声信号之后，且对所述声信 号进行方向估计，并对方向估计后的声信号进行空域滤波处理之前，对所述声信号进行自 适应噪声抑制处理。
[0054]可选的，所述第二处理模块具体用于利用基于小波分解的自适应噪声抑制技术对 所述声信号进行抑制处理。
[0055] 可选的，所述装置还包括：
[0056] 第二确定模块，用于在估计出所述声信号的方向后，根据所述声信号在各时刻的 方向确定所述目标的航迹。
[0057] 可选的，所述提取模块具体用于：
[0058]当辐射的声音功率谱线谱基频大于阈值时，通过直升机线谱和谐波集检测算法对 频域特征进行分析，以得到线谱频率特征；
[0059] 计算出自相关系数和倒谱系数；
[0060] 将所述自相关系数和所述倒谱系数结合，得到若干维数的时域特征向量；
[0061] 进行非参数化功率谱分析，以计算出功率谱；
[0062] 利用计算出的功率谱，得到若干维数的频域特征向量；
[0063] 计算声信号各频带的能量特征、标准差特征、谱重心特征和小波包样本熵特征；
[0064] 将能量特征、标准差特征、谱重心