[发明专利]一种基于声呐信号的物体分类方法、装置、设备及介质

说明书

本申请公开了一种基于声呐信号的物体分类方法，装置、设备及介质，包括：根据声呐数据矩阵计算出拉普拉斯矩阵，并计算声呐数据矩阵的整体分值；分别从待选择特征集合中选择待测特征索引，利用去除对应的待测信号特征之后的声呐数据矩阵计算待测信号特征的Laplacian得分，利用整体分值计算待测信号特征对声呐数据矩阵的局部保持度；从各局部保持度中选择出最小的目标局部保持度并确定出目标信号特征，删除待选择特征集合中对应的目标特征索引，将目标特征索引按照预设次序设置于目标特征子集中；删除声呐数据矩阵中的目标信号特征，继续进行筛选，直至待选择特征集合中没有特征索引；利用确定出的目标特征子集识别各目标物体并进行分类。

技术领域

本发明涉及声呐识别领域，特别涉及一种基于声呐信号的物体分类方法、装置、设备及计算机可读存储介质。

背景技术

随着电子技术和信息处理技术的发展和应用，水下平台和装备向智能化、隐身化、信息化方向发展，国际上已经将建立完备的水下目标特征数据库作为主动声纳探测识别的核心技术。利用CHIRP(Compressed High-Intensity Radar Pulse)调频声纳技术，通过发射一组一组延长了的从低到高连续频率的合成压缩脉冲(探测信号)对目标物体进行探测，该探测信号在水中传播的路径上遇到目标物体后将被反射并被发射点接收，由于目标信息保存在被目标物体反射回来的声呐信号之中，所以可根据接收到的声呐信号来识别目标物体，对目标物体进行分类，如区分目标物体为金属圆筒或大致圆柱形岩石。

由于获取到的声呐信号中存在噪声或者混响干扰，因此在根据声呐信号识别目标物体的过程中，需要先确定出用于识别目标物体的信号特征，排除不重要的信号特征对目标识别的干扰。现有技术中，一般通过迭代拉普拉斯得分(IterativeLS)得出用于识别目标物体的信号特征：通过分别计算各信号特征的Laplacian得分，表示该信号特征的重要程度，并且每次丢弃最大的Laplacian得分对应的信号特征，迭代计算直到剩余预设数量的信号特征，再利用剩余的预设数量的信号特征来识别目标物体，以对目标物体进行分类。但是，这种通过丢弃Laplacian得分最大的信号特征的方式来减少识别目标物体过程中的计算量、提高计算速率的方法，一方面存在去除的信号特征不准确的情况，另一方面将存在保留的信号特征不完整，或者保留的信号特征过多而导致最终利用剩余的信号特征识别目标物体不准确或者没有改善计算量。

因此，如何提升基于声呐信号识别目标物体的计算速率，提高对目标物体进行分类的准确度，是本领域技术人员目前需要解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于声呐信号的物体分类方法，能够提升基于声呐信号识别目标物体的计算速率，提高对目标物体进行分类的准确度；本发明的另一目的是提供一种基于声呐信号的物体分类装置、设备及计算机可读存储介质，均具有上述有益效果。

为解决上述技术问题，本发明提供一种基于声呐信号的物体分类方法，包括：

将各目标物体分别返回的声呐信号转换为声呐数据矩阵，并根据各所述声呐信号的信号特征设置待选择特征集合；

根据所述声呐数据矩阵计算出拉普拉斯矩阵，并根据所述拉普拉斯矩阵计算所述声呐数据矩阵的整体分值；

分别从所述待选择特征集合中选择待测特征索引，利用去除与所述待测特征索引对应的待测信号特征之后的声呐数据矩阵计算所述待测信号特征的Laplacian得分，并利用所述整体分值计算所述待测信号特征对所述声呐数据矩阵的局部保持度；

从各所述局部保持度中选择出最小的目标局部保持度并确定出目标信号特征，删除所述待选择特征集合中与所述目标信号特征对应的所述目标特征索引，将所述目标特征索引按照预设次序设置于目标特征子集中；

判断所述待选择特征集合中是否存在所述特征索引；