[发明专利]一种基于无人平台的海洋环境与目标综合感知方法

权利要求书

1.一种基于无人平台的海洋环境与目标综合感知方法，包括：

(1)将浮标、潜标、无人船和水下无人潜航器UUV四种无人平台作为感知节点，构成水下立体综合感知网络。

(2)浮标、潜标、无人船和UUV采集到的声光电磁数据，被分别送至相应平台上的数据预处理模块，数据预处理模块对该平台搭载的不同探测设备所采集的声光电磁数据进行预处理；数据预处理模块将预处理后的数据送至特征提取模块；

(3)特征提取模块对预处理后的水声信号、水上水下图像、声呐图像和磁测数据进行特征提取；

(4)基于传统模式识别方法设计特征分类器模块，对提取到的声光电磁特征数据进行识别和分类，分类器模块分别输出对声光电磁特征的分类结果；

(5)通过集成学习模块，将特征分类器中的个体学习器按照bagging方法进行结合，并使用集成学习中最常用的投票法将若干个体分类器输出整合为强分类器的输出；实现无人平台声光电磁等特征的初步感知识别，综合判断信号的类别，确定水下目标是否为待探测或待感知目标；

(6)如果集成学习模块判定水下目标为待探测或待感知目标后，则无人平台将继续通过以下步骤使用人工智能方法对水声信号数据、水上水下图像数据、声呐图像和磁测数据进行智能化分析；

(7)基于水声信号识别分析模块、图像分类和特征感知模块、磁异常感知模块的感知结果，通过数据融合模块，对水下目标大小、形状、速度和距离信息进行估计，确定水下目标具体类别，从而实现水下目标进行全方位立体感知。

2.根据权利要求1所述的综合感知方法，其特征在于，水下立体综合感知网络包括：

(1)在浮标和潜标上搭载被动式水听器或被动式水听器阵列进行水下声探测，搭载磁力仪进行水下电磁探测；同时，在潜标上搭载温盐深仪，对固定地点的水下温度、盐度和深度等基本海洋环境参数进行测量；

(2)在无人船上搭载主动式侧扫声呐或拖曳式水听器阵列以及水上声音记录装置进行水上水下声探测，搭载高分辨率水下相机及其光源和船载水上摄像机进行光探测；

(3)在UUV搭载主动式侧扫声呐进行水下声探测，搭载磁力仪进行水下电磁探测，同时，搭载温盐深仪，对不同地点的水下温度、盐度和深度基本海洋环境参数进行测量；

(4)将浮标和潜标布放在感知区域的不同水深下，通过其搭载的各种探测设备对相应海域进行探测，获取声光电磁感知数据；

(5)无人船和UUV作为可移动平台，放置在待探测区域，通过主动式侧扫声呐等手段完成探测区域的初始扫描；

(6)无人船和UUV在进行初始扫描后，通过水下相机、船载水上摄像机和磁力仪进行精确感知和探测。

3.数据预处理模块的预处理包括：对水听器或水听器阵列采集到的水声信号进行低通滤波、高通滤波以及预加重；对水下相机或水上摄像机拍摄的水下或水上图像和侧扫声呐的声呐图像进行图像平滑、图像滤波和图像增强；对磁力仪采集到的磁测数据进行分离和去噪处理。

4.特征提取模块的特征提取包括：对水声信号进行短时傅里叶变换和小波变换，基于两种变换的变换结果，对水声信号的中心频率、持续时间、起始频率、终止频率和功率谱时频特征进行提取；对水上水下图像和声呐图像利用RCNN进行特征提取，对感知目标的大小、形状等特征进行量化；对磁测数据进行经验模态分解和小波变换，提取磁测数据中的磁异常模量和信号振幅特征。

5.根据权利要求1所述的综合感知方法，其特征在于，特征分类器模块包括支持向量机SVM、高斯混合模型GMM或人工神经网络ANN。

6.根据权利要求1所述的综合感知方法，其特征在于，智能化分析过程是这样实现的：

对水听器或水听器阵列采集到的待检测水声信号数据，搭建基于深度循环神经网络RNN的水声信号识别分析模块，将水声信号进行分帧和序列化处理，将处理后的水声信号序列送入训练好的RNN，使用对水声信号的序列特征进行识别分析，对输入的水声信号进行细分，确定其具体类别；

对水下相机或水上摄像机拍摄的水下或水上图像和侧扫声呐的声呐图像，搭建基于深度卷积神经网络CNN的图像分类和特征感知模块，将图像送入训练好的CNN，基于深度学习方法智能化感知探测水下目标的类别；

对采集到的磁测数据，基于深度神经网络DNN搭建磁异常感知模块，将磁测数据送入训练好的DNN，学习不同类别目标的磁测特征，实现对具有复杂电磁特征的水下目标识别。