一种基于多模型融合的水面水下目标判别方法与流程

本发明涉及水声目标被动识别领域，具体涉及一种基于多模型融合的水面水下目标判别方法。

背景技术：

1、由于水中环境复杂多变(如声学介质约束及异质性)以及水中信号获取、传送处理成本等因素，水面水下目标判别的界限很模糊，检测技术需要精度更高的模型来进行分类。对于所检测到的目标是否是水面物体或水下物体进行判断，并及时预警，对于海洋生物研究、救生、探险、资源开发等海洋活动至关重要。

2、现代海洋技术研究通过将神经网络、多传感器技术引入水声目标识别系统，利用神经网络技术的学习能力及多信息资源的融合提高了水声目标识别的准确性和可靠性。然而，舰船日益增强的低可探测能力对检测技术提出了新的需求。现有的水面水下目标识别方案大都采用单一的判别模型，容易出现过拟合的情况，尤其在复杂海况条件下目标判别的准确率较低。

技术实现思路

1、针对水面水下判别容易过拟合、在复杂海况条件下判别精度较低的问题，本发明提供一种基于多模型融合的水面水下目标判别方法。本发明对单个模型进行优化，并融合多种模型对水面水下目标进行综合识别，能够有效提升目标识别的准确率。

2、为了实现上述目的，本发明采用的技术方案为：

3、一种基于多模型融合的水面水下目标判别方法，包括以下步骤：

4、s1：采集水声信号，使用梅尔频率倒谱系数分析方法提取水声信号的梅尔频率倒谱系数特征；

5、s2：搭建四个神经网络模型：卷积神经网络、长短期记忆网络、强调信道-注意力-传播-聚合的时延神经网络和预训练音频神经网络，四个神经网络模型的输入维度与输入数据维度匹配，输出维度为2；根据声源深度，用标签将梅尔频率倒谱系数特征分为水面和水下两类，然后用已知标签的梅尔频率倒谱系数特征对四个神经网络模型分别进行训练；

6、s3：单个神经网络模型训练完成后，采用集成学习的方法对四个神经网络模型进行多模型融合，集成得到强分类器；

7、s4：采用步骤s3得到的强分类器对水声信号进行判别，分辨出水面和水下目标。

8、进一步地，步骤s1的具体方式为：

9、s11：对水声信号进行预加重、分帧和加窗，加强信号的信噪比和处理精度；

10、s12：对每一个短时分析窗，通过快速傅里叶变换得到对应的频谱，获得分布在时间轴上的不同时间窗内的频谱；

11、s13：将步骤s12获得的频谱通过梅尔滤波器组得到梅尔频谱；

12、s14：在梅尔频率域进行倒谱分析，取对数后通过离散余弦变换的方式实现逆变换，取变换后的第2个到第13个系数作为信号的梅尔频率倒谱系数特征。

13、进一步地，步骤s2中，对四个神经网络模型的训练方式为：

14、s21：将已知标签的梅尔频率倒谱系数特征分别输入四个神经网络模型，每个神经网络模型均用softmax函数输出水面和水下两个类别的概率；

15、s22：固定神经网络模型的参数，使用adam优化器更新参数，完成训练，得到四个二分类器。

16、进一步地，步骤s3的具体方式为：

17、s31：将四个神经网络模型输出的向量拼接为矩阵形式；

18、s32：采用stacking分层模型集成框架对步骤s2训练好的四个神经网络模型进行融合训练，其中，框架的第一层由四个神经网络模型组成，其输入为初始的输入数据，框架的第二层以第一层的输出作为训练集进行再训练，以此类推，最终得到训练好的四个弱分类器；

19、s33：采用adaboost方法将四个弱分类器集成为强分类器。

20、由于采用了上述技术方案，本发明能够取得如下有益效果：

21、1、本发明通过提取舰船噪声mfcc特征，优化单个模型训练，可防止过拟合情况。

22、2、本发明使用集成学习实现基于多模型融合的水面水下目标判别，能够有效提升深度神经网络的识别准确率。

技术特征：

1.一种基于多模型融合的水面水下目标判别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多模型融合的水面水下目标判别方法，其特征在于，步骤s1的具体方式为：

3.根据权利要求1所述的一种基于多模型融合的水面水下目标判别方法，其特征在于，步骤s2中，对四个神经网络模型的训练方式为：

4.根据权利要求1所述的一种基于多模型融合的水面水下目标判别方法，其特征在于，步骤s3的具体方式为：

技术总结
本发明提出一种基于多模型融合的水面水下目标判别方法，涉及水声目标被动识别领域。本发明包括：对水声样本进行梅尔频率倒谱系数特征提取，对单个模型进行训练优化，采用集成学习进行多模型融合，使用融合后的强分类器进行测试应用。本发明针对水面水下判别容易过拟合、在复杂海况条件下判别精度较低的问题，综合利用深度学习、机器学习、迁移学习、统计分析等基于数据的处理方法，实现了基于多模型融合的水面水下目标判别。本发明在有效避免过拟合的情况下，极大提升了复杂海况下水面水下目标判别的准确率。

技术研发人员：张博轩,詹雨飞,冯承霖,赵天白,罗恒光,王大宇,谢军,郎俊杰
受保护的技术使用者：中国电子科技集团公司第五十四研究所
技术研发日：
技术公布日：2024/3/11