[发明专利]一种基于迁移学习的水声目标前向散射声扰动定位方法

权利要求书

1.一种基于迁移学习的水声目标前向散射声扰动定位方法，其特征在于步骤如下：

步骤1：发射阵为M个发射阵元构成的垂直阵，接收阵为N个接收阵元构成的垂直阵，定位区域为浅海环境下发射阵和接收阵之间的距离深度二维平面；基于声场模型的模拟信号P_ij(t)和表示为

其中，P_ij(t)表示没有目标时由第i个发射阵元发射声源信号的情况下第j个接收阵元接收到的信号，表示目标存在时由第i个发射阵元发射声源信号的情况下第j个接收阵元接收到的信号，t为相对时间，1≤i≤M，1≤j≤N，s(t)为声源信号，h_ij(t)表示没有目标时的信道响应函数，表示目标存在时的信道响应函数，表示卷积运算，n₁(t)和n₂(t)表示海洋环境噪声；

步骤2：对模拟接收信号数据进行预处理，预处理具体过程如下：

1)对每一个模拟信号进行脉冲压缩处理，得到脉冲压缩输出信号：

其中，“*”表示取复共轭；对脉冲压缩输出信号D_ij(t)、E_ij(t)取模值，得到脉冲压缩输出包络

2)计算目标存在时脉冲压缩输出包络的相对扰动量A_ij(t)：

3)令t_ij为取最大值时对应的时刻，t_ij表示没有目标时直达波到达的时刻；τ_ij为直达波经过脉冲压缩处理后的脉冲宽度，以t_ij为中心时刻、K为采样间隔，在τ_ij脉冲宽度范围内采取Z个时间点，得到这Z个时间点对应的脉冲压缩输出包络相对扰动量A_ij(t)，记为Z维向量l_ij；

4)对M个发射阵元和N个接收阵元，计算每一个发射阵元发射声源信号时每一个接收阵元的接收信号所对应的Z维向量l_ij，得到M×N×Z维的矩阵H；

步骤3：使用预处理后的模拟接收信号数据对卷积神经网络进行训练，具体过程如下：

1)对距离深度二维平面定位区域进行网格划分，水平划分间隔的取值范围为50～300m，垂直划分间隔的取值范围为5～20m，使用独热编码对划分的网格区域进行标记；目标位于不同网格区域时，其对应的矩阵H为神经网络的输入，其对应的独热编码为神经网络的预期输出；

2)将预处理后的模拟接收信号数据按比例d随机划分为训练集和测试集，卷积神经网络的基本结构为：输入层、卷积层、池化层、卷积层、池化层、平坦化、全连接层、dropout、全连接层；使用训练集数据训练神经网络，按照极小化误差的方法调整卷积神经网络的权值参数，直到测试集的预测准确率满足精度要求，精度要求为95％以上；

步骤4：采用迁移学习的方法使用实际数据对预测模型进行调整与修正，具体过程如下：

1)对实际数据计算其输入矩阵H和独热编码，并将数据按比例f随机划分为训练集和测试集；

2)将训练集数据输入到步骤三中的神经网络预测模型，保持卷积层和池化层的权值参数不变，按照极小化误差的方法仅调整全连接层的权值参数，直到测试集的预测准确率满足精度要求，精度要求为95％以上。

2.根据权利要求1所述的一种基于迁移学习的水声目标前向散射声扰动定位方法，其特征在于步骤1中所述的M的取值范围为3～10，N的取值范围为15～35。

3.根据权利要求1所述的一种基于迁移学习的水声目标前向散射声扰动定位方法，其特征在于步骤2中所述的K的取值范围为0.1～2ms，Z的取值范围为10～50。

4.根据权利要求1所述的一种基于迁移学习的水声目标前向散射声扰动定位方法，其特征在于步骤3中所述的d的取值范围为2:1至20:1。

5.根据权利要求1所述的一种基于迁移学习的水声目标前向散射声扰动定位方法，其特征在于步骤4中所述的f的取值范围为2:1至20:1。