[发明专利]基于线谱的水下目标舰船检测方法

说明书

本发明公开一种基于线谱的水下目标舰船检测方法，属于水下舰船的检测领域。本发明包括：初始阶段：使用卷积神经网络作为目标检测的算法，将声音文件转换成LOFAR图；在LOFAR图中进行线谱的提取，提取过程时用到的方法是动态规划的算法和多步频移的算法；检测阶段：对提取到的线谱图进行打标签并且转换成LMDB的格式；将处理好的数据送入到级联卷积的网络中，使用其中的70％进行模型的训练，其余的30％作为测试。

技术领域

本发明属于水下舰船的检测领域，具体涉及一种基于线谱的水下目标舰船检测方法。

背景技术

由于水下的环境相对比较复杂，有效的进行目标检测成为一项重要的研究内容。在以往的技术中对目标检测主要依靠人们的经验，得到的结果具有主观性，同时这对人们的专业知识的要求也比较高。因此本发明主要解决的问题是如何对目标进行自动的检测。使得这技术广泛的应用在水下舰船的检测领域。

对于舰船来说，当其行驶在海上时，舰船上的复杂的机器会进行一定的旋转以及循环往复运动，这样辐射噪声会不断的扩散在周围的海域中。这种噪声引起了人们的特别的重视，主要是因为这种噪声对于能量的辐射可以进行远距离的传播。在实际的运用中，使用水声探测设备、鱼雷声自导装置等，可以把声波作为一种可利用的目标信息。

为了能够有效实现对目标的检测，需要从接收到的噪声中提取出有效的噪声信息，这部分的工作主要集中在舰船线谱的提取。能够有效的将线谱提取出来，对于提高目标检测的准确率具有重要的意义。在对目标检测时使用的是卷积神经网络。在检测的过程中需要大量的参数以训练时间。

发明内容

本发明主要是针对现有的方法对线谱的提取不够完整，在线谱的提取过程中阈值的选取需要人为的干预，这样人的主观性比较大。在目标的检测过程中使用的是卷积神经网络，这个网络需要大量的参数以及训练的时间，因此对于计算机的硬件的要求比较高。针对以上的不足之处针对现有的方法进行改进。从而达到更好的检测的目的。

本发明的目的是这样实现的：

基于线谱的水下目标舰船检测方法，其特征在于，包含以下步骤：

步骤一 初始阶段；

使用卷积神经网络作为目标检测的算法，将声音文件转换成LOFAR图；在LOFAR图中进行线谱的提取，提取过程时用到的方法是动态规划的算法和多步频移的算法；

步骤二 检测阶段；

对提取到的线谱图进行打标签并且转换成LMDB的格式；将处理好的数据送入到级联卷积的网络中，使用其中的70％进行模型的训练，其余的30％作为测试。

线谱的提取过程包含以下步骤：

步骤一 将原始信号的采样序列按照采样点分成若干个连续的帧，每个帧N个采样点；

步骤二 对第i段的信号的采样点m_i(n)做中心化处理和归一化处理，归一化处理使接受到的信号的幅度在相应的时间上均匀分布；中心化处理之后得到的样本均值变为零；

归一化处理：

在进行傅里叶变换时为了计算相对方便，L的选取值为2的幂数；

中心化处理：

步骤三 对输入的信号作连续的短时傅里叶变换得到LOFAR谱图；

步骤四 对LOFAR谱中的幅度做对数运算得到将强弱线谱能够在有限的范围内显示在LOFAR图中；