專利名稱：水下運動目標識別方法
技術(shù)領(lǐng)域：
本申請涉及水聲信號處理領(lǐng)域，具體來說，涉及一種水下運動目標識別方法。
背景技術(shù)：
冷戰(zhàn)結(jié)束后，水下潛水技術(shù)日趨成熟。由于水下蛙人的水下隱蔽性好，機動靈活的新興蛙人恐怖襲擊攻擊方式頗受恐怖主義分子的青睞。國內(nèi)外都開始重視針對水下蛙人等運動小目標的水下安保系統(tǒng)建設(shè)與應(yīng)用，以彌補以往聲納設(shè)備僅能針對大型艦艇、船只進行探測的不足。蛙人與海洋生物等水下運動小目標的探測與識別技術(shù)尤其被重視，歐美等國都投入大量的力量研究這類新興目標探測的專用識別技術(shù)。近些年來國內(nèi)外相關(guān)研究機構(gòu)開展了一系列關(guān)于水下蛙人等水下運動小目標的識別技術(shù)，大多是基于亮點特征和功率譜特征。例如，文獻“Perry，S.ff.and G.Ling.Detection of small man-made objects in sector scan imagery usingneuralnetworks, in OCEANS, 2001.MTS/IEEE Conference and Exhibition.2001.，，提出了米用靜態(tài)特征對扇形掃描聲納的水下目標進行分類；文獻“Lane, D.M.and J.P.Stoner, Automatic interpretation of sonar imageryusing qualitative feature matching.1994.19(3):p.391-405.”提出了利用跟蹤后的圖像瞬態(tài)特征進行水下運動目標分類；文獻“Jae-Byung Jung, Gerald F.Denny, BroadbandActive Sonar Swimmer Detection and Identification.1nternational JointConference on Neural Networks.2006.p.2600-2605.” 討論米用超寬帶聲納(60kHf 120kHz)利用功率譜特征來實現(xiàn)了水下蛙人，瓶子以及魚群之間的分類?，F(xiàn)有技術(shù)中的水下小目標識別技術(shù)存在以下缺陷:LFM信號模糊度函數(shù)制約下微多普勒變化量無法獲取；需要依靠高頻主動聲納多波束回波波形進行水下運動小目標分類；沒有利用幀間微多普勒特性，識別穩(wěn)定性不好。

發(fā)明內(nèi)容
針對現(xiàn)有技術(shù)中的缺陷，本申請的目的是，提供一種水下運動目標識別方法，該方法包括以下步驟:對主動聲納接收的目標信號進行預(yù)處理；對進行所述預(yù)處理后的目標信號進行SM時頻處理，提取出微多普勒譜；根據(jù)所述微多普勒譜提取幀內(nèi)微多普勒特征以及幀間微多普勒特征；基于所述幀內(nèi)微多普勒特征以及幀間微多普勒特征，對水下運動目標進行分類。優(yōu)選地，所述預(yù)處理包括檢波、降采樣。優(yōu)選地，所述幀內(nèi)微多普勒特征以及幀間微多普勒特征包括峰值、均值及方差。本申請通過對主動式高頻聲納的水下運動小目標回波波形，提取微多普勒分布特征，所述SM算法可以產(chǎn)生WD相同的自相關(guān)項，但是沒有互干擾項，解決了 LFM信號模糊度函數(shù)制約下微多普勒變化量無法獲取的問題，實現(xiàn)了僅利用高頻主動聲納單波束回波波形的水下運動小目標分類，利用幀間微多普勒特性具有統(tǒng)計穩(wěn)定性，能夠減小隨機信道帶來的影響，提高了識別穩(wěn)定性。


圖1是本發(fā)明實施例的信號處理過程示意圖；圖2為本發(fā)明實施例的水下典型目標微多普勒譜的分布示意圖；圖3為本發(fā)明實施例的幀內(nèi)微多普勒特征提取結(jié)果示意圖；圖4是本發(fā)明實施例的幀間微多普勒特征提取結(jié)果示意圖。
具體實施例方式鑒于現(xiàn)有水下運動小目標識別技術(shù)存在的問題，考慮采用微多普勒技術(shù)。下面通過結(jié)合附圖，通過具體實施例，對本發(fā)明的技術(shù)方案做進一步的詳細描述，以便本領(lǐng)域人員更好地了解本發(fā)明的原理和具體實施細節(jié)?？傮w信號處理流程本發(fā)明針對主動式蛙人探測聲納的目標識別問題，提出了一種利用微多普勒分布特征的水下運動小目標識別技術(shù)。本發(fā)明的目的是通過對主動式高頻聲納的水下運動小目標回波波形，提取微多普勒分布特征，用來進行水下運動小目標識別。為了實現(xiàn)這個目的，本發(fā)明首先對主動聲納接收的目標信號進行預(yù)處理，包括檢波、降采樣等；然后，采用SM算法解算主動聲納回波的微多普勒信息，提取幀內(nèi)、幀間微多普勒分布特征，最后用分類器進行目標識別，其信號處理框圖如圖1所示。
`
SM算法提取微多普勒信息本專利所述的識別方法，是以主動式多波束聲納的回波數(shù)據(jù)為基礎(chǔ)，提取目標的
微多普勒信息。I)計算短時傅立葉變換(STFT)短時傅立葉變換是時頻變換中最常用算法之一，其思想是引入一個窗函數(shù)w(t)截斷分析信號X (t)，然后計算截斷信號的瞬時頻率。通過滑動窗函數(shù)來得到短時傅立葉譜。其數(shù)學(xué)表示如下式所示:STFT(t, w) = L χ(( + T)w(r)e^WTdT( ^ )其中，x(t)是待分析彳目號，w(t)是窗函數(shù)，τ是時延差。離散表示如下:
co- 2疋,
-_ Λ_ /-mk.V7 /'7'(/7,/f) = 2_, h'(/72).v(/7 + m)e -v
m=- (2 )2) SM 方法魏格納分布(WD)常用來分析單成分的LFM信號時頻分布，然而當接收信號包含有眾多回波分量時，WD由于會產(chǎn)生交叉項干擾，而無法獲取時頻參數(shù)。為了改善交叉項影響，可以采用核函數(shù)加權(quán)WD，本質(zhì)上說是一種兩維平滑WD。然而，這種處理不但平滑了交叉項，也平滑了 WD的自相關(guān)項。并且計算復(fù)雜度也非常高，需要對待處理解析信號進行過采樣。因此，本專利提出了一種簡單的計算方法，可以產(chǎn)生WD相同的自相關(guān)項，但是沒有互干擾項，被稱為SM方法。
SM方法的離散表達式如下:
權(quán)利要求
1.種水下運動目標識別方法，其特征在于，所述方法包括: 對主動聲納接收的目標信號進行預(yù)處理； 對進行所述預(yù)處理后的目標信號進行SM時頻處理，提取出微多普勒譜； 根據(jù)所述微多普勒譜提取幀內(nèi)微多普勒特征以及幀間微多普勒特征； 基于所述幀內(nèi)微多普勒特征以及幀間微多普勒特征，對水下運動目標進行分類。
2.據(jù)權(quán)利要求1所述的方法，其特征在于:所述預(yù)處理包括檢波、降采樣。
3.據(jù)權(quán)利要求1所述的方法，其特征在于，所述幀內(nèi)微多普勒特征以及幀間微多普勒特征包括峰值、均值及方差。
全文摘要
本申請涉及一種水下運動目標識別方法。所述方法包括對主動聲納接收的目標信號進行預(yù)處理；對進行所述預(yù)處理后的目標信號進行SM時頻處理，提取出微多普勒譜；根據(jù)所述微多普勒譜提取幀內(nèi)微多普勒特征以及幀間微多普勒特征；基于所述幀內(nèi)微多普勒特征以及幀間微多普勒特征，對水下目標進行分類。本申請通過對主動式高頻聲納的水下運動小目標回波波形，提取微多普勒分布特征，所述SM算法可以產(chǎn)生WD相同的自相關(guān)項，但是沒有互干擾項，解決了LFM信號模糊度函數(shù)制約下微多普勒變化量無法獲取的問題，實現(xiàn)了僅利用高頻主動聲納單波束回波波形的水下運動小目標分類，利用幀間微多普勒特性具有統(tǒng)計穩(wěn)定性，能夠減小隨機信道帶來的影響，提高了識別穩(wěn)定性。
文檔編號G01S15/52GK103091679SQ20131004359
公開日2013年5月8日 申請日期2013年2月4日 優(yōu)先權(quán)日2013年2月4日
發(fā)明者楊娟, 許楓, 韋志恒, 劉佳, 安旭東, 紀永強, 溫濤 申請人:中國科學(xué)院聲學(xué)研究所