一种基于多传感器融合的水下目标辨识方法及系

本发明属于水下目标辨识领域，具体涉及一种基于多传感器融合的水下目标辨识方法及系统。背景技术：1、精准探测是水下航行器高效执行水下作业的基础，水下各种航行平台完成任务时的轨迹探测是掌握其运动状态的重要技术，以水下目标轨迹探测技术为代表的水下精确感知技术对促进航海事业发展，加强海洋资源利用有不可替代的作用。目前水下探测技术在航海导航、动植物样本采集、矿物勘探以及环境检测等方面目前都取得了极大的进展，但随着对海洋资源开发力度的加大，现有的水下资源探测系统的单一物理场探测模式已经无法满足对复杂水域的精准探测，同时近海资源开发、远洋资源勘探也对近场探测技术提出了更高的要求。2、目前用于水下目标识别的技术主要有声学探测技术和光学探测技术，常用的声学原理决定了隐蔽性差、易暴露、耗能高、探测近场多目标时干扰信号多等缺点，对于近场隐蔽侦察、隐蔽攻击等任务非常不利。光学探测对环境光线以及清晰度要求很高，且光在水下传播过程中会发生散射效应，使能见度下降，在昏暗浑浊的海域光学的探测手段也会失效。随着以水下无人航行器为代表的水下装备等任务模式的增加，对水下近场目标探测定位提出了迫切需求，有效的近场目标探测手段一直是困扰着科研人员的难题。技术实现思路1、本发明的目的在于提供一种基于多传感器融合的水下目标辨识方法及系统，以克服单一物理场探测所遇到的瓶颈问题，公开了一种基于多传感器融合的水下目标辨识方法，提供一种利用主动电场和流场感应辨识水下不同形状大小目标的思路，设计相应压力传感器和电场传感器的复合阵列进行实验验证。2、一种基于多传感器融合的水下目标辨识方法，包括以下步骤：3、s1，利用多通道获取不同类型水下目标的电场信号及压力场信号，并进行去噪处理，将去噪后的多通道电场信号数据进行串联得到电场原始数据集，将去噪后的多通道压力场信号数据进行串联得到压力场原始数据集；4、s2，分别对电场原始数据集和压力场原始数据集进行特征提取，将提取的电场原始数据集的特征进行特征拼接，将提取的压力场原始数据集的特征进行特征拼接；5、s3，利用提取的特征构建数据集对svm模型进行训练达到优化条件，利用训练优化后的svm模型进行水下目标辨识。6、优选的，对不同类型水下目标，获取的电场信号包括主动电场信号和主动电场噪声，获取的压力场信号包括流场压力信号和流场压力噪声，对获取的电场信号和压力场信号进行去直流滤波的去噪处理，再将每个通道的数据串联，分别得到电场原始数据集和流场原始数据集。7、优选的，从电场原始数据集中提取出时域特征和时频域特征，从流场原始数据集中提取出时域特征和时频域特征。8、优选的，将不同传感器获取到的信号串联，获得数据层融合之后的样本集。从数据层样本集中提取信号时域、频域和小波包能量特征，构成特征向量。9、优选的，从提取的特征构建数据中选择特征权重占比前百分之五十的特征构建数据集。10、优选的，基于样本的特征选择，采用多分类的支持向量机模型。11、优选的，对svm模型进行训练达到优化条件具体为：采用svm_gridsearch网格搜索方法求解最优惩罚因子c以及核函数的参数g。12、一种基于多传感器融合的水下目标辨识系统，包括特征提取模块、特征融合模块和辨识模块；13、特征提取模块，用于多通道获取不同类型水下目标的电场信号及压力场信号，并进行去噪处理，将去噪后的多通道电场信号数据进行串联得到电场原始数据集，将去噪后的多通道压力场信号数据进行串联得到压力场原始数据集；14、特征融合模块，分别对电场原始数据集和压力场原始数据集进行特征提取，将提取的电场原始数据集的特征进行特征拼接，将提取的压力场原始数据集的特征进行特征拼接；15、辨识模块，利用提取的特征构建数据集对svm模型进行训练达到优化条件，利用训练优化后的svm模型进行水下目标辨识。16、一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种水中目标辨识方法的步骤。17、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述一种水中目标辨识方法的步骤。18、与现有技术相比，本发明具有以下有益的技术效果：19、本发明提供一种基于多传感器融合的水下目标辨识方法，利用多通道获取不同类型水下目标的电场信号及压力场信号，并进行去噪处理，将去噪后的多通道电场信号数据进行串联得到电场原始数据集，将去噪后的多通道压力场信号数据进行串联得到压力场原始数据集，分别对电场原始数据集和压力场原始数据集进行特征提取，将提取的电场原始数据集的特征进行特征拼接，将提取的压力场原始数据集的特征进行特征拼接，利用提取的特征构建数据集对svm模型进行训练达到优化条件，利用训练优化后的svm模型进行水下目标辨识，基于特征提取与机器学习算法以及特征层和数据层的信息融合理论，解决声场、光场在昏暗海域近场探测等场景下受限和单一物理场目标辨识准确率低的问题。20、优选的，通过已知类型水下目标的主动电场信号、主动电场噪声、流场压力信号、流场压力噪声进行去噪处理，再分别进行每个通道的数据串联，完成数据层融合，保持原始数据的完整性和真实性，从而使得融合后的数据对于观测目标能有更加准确和全面的表示或估计。21、优选的，采用svm_gridsearch网格搜索方法求解最优惩罚因子c以及核函数的参数g，其他参数均采用默认值。将数据集送入svm向量机中测试电场和流场单个场的分类准确率，模型在处理高维数据时具有很大的优势，使得原本线性不可分的数据变为线性可分的，具有更好的鲁棒性和泛化能力。技术特征：1.一种基于多传感器融合的水下目标辨识方法，其特征在于，包括以下步骤：2.根据权利要求1所述的一种基于多传感器融合的水下目标辨识方法，其特征在于，对不同类型水下目标，获取的电场信号包括主动电场信号和主动电场噪声，获取的压力场信号包括流场压力信号和流场压力噪声，对获取的电场信号和压力场信号进行去直流滤波的去噪处理，再将每个通道的数据串联，分别得到电场原始数据集和流场原始数据集。3.根据权利要求1所述的一种基于多传感器融合的水下目标辨识方法，其特征在于，从电场原始数据集中提取出时域特征和时频域特征，从流场原始数据集中提取出时域特征和时频域特征。4.根据权利要求3所述的一种基于多传感器融合的水下目标辨识方法，其特征在于，将不同传感器获取到的信号串联，获得数据层融合之后的样本集；从数据层样本集中提取信号时域、频域和小波包能量特征，构成特征向量。5.根据权利要求1所述的一种基于多传感器融合的水下目标辨识方法，其特征在于，从提取的特征构建数据中选择特征权重占比前百分之五十的特征构建数据集。6.根据权利要求5所述的一种基于多传感器融合的水下目标辨识方法，其特征在于，基于样本的特征选择，采用多分类的支持向量机模型。7.根据权利要求6所述的一种基于多传感器融合的水下目标辨识方法，其特征在于，对svm模型进行训练达到优化条件具体为：采用svm_gridsearch网格搜索方法求解最优惩罚因子c以及核函数的参数g。8.一种基于多传感器融合的水下目标辨识系统，其特征在于，包括特征提取模块、特征融合模块和辨识模块；9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述一种水中目标辨识方法的步骤。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述一种水中目标辨识方法的步骤。技术总结本发明公开了一种基于多传感器融合的水下目标辨识方法及系统，利用多通道获取不同类型水下目标的电场信号及压力场信号并去噪处理，将去噪后的多通道电场信号数据和多通道压力场信号数据分别进行串联得到压力场原始数据集，分别对电场原始数据集和压力场原始数据集进行特征提取，将提取的电场原始数据集的特征进行特征拼接，将提取的压力场原始数据集的特征进行特征拼接，利用提取的特征构建数据集对SVM模型进行训练达到优化条件，利用训练优化后的SVM模型进行水下目标辨识，基于特征提取与机器学习算法以及特征层和数据层的信息融合理论，解决声场、光场在昏暗海域近场探测等场景下受限和单一物理场目标辨识准确率低的问题。技术研发人员：胡桥,段怡然,付同强,李硕受保护的技术使用者：西安交通大学技术研发日：技术公布日：2024/8/16