[发明专利]一种水下目标的分类方法

权利要求书

1.一种水下目标的分类方法，其特征在于包括下述步骤：

步骤一：接收信号预处理；

布放在水域中的水听器实时接收当前水域水声信号，接收到的水声信号为y(n)，将接收到的信号经过去直流和低通滤波后，得到预处理后的信号是s(n)；

步骤二：时频处理；

对预处理后得到的信号s(n)进行滑窗切片处理，然后进行短时傅里叶变换，得到每个音频信号的时频特征图；对时频特征图打上标签，不同的目标样本设置不同的标签；

步骤三：构建数据集；

根据步骤二得到的时频特征图作为数据集S，按照预置比例将数据集S随机进行划分为训练集S₁和测试集S₂，并进行像素值归一化处理；最终得到的时频图样本作为最终目标分类的数据集；

步骤四：深度学习分类模型的搭建；

在ResNet34网络的基础上构建分类模型S-ResNet，分类模型S-ResNet具有8层的残差神经网络模型，其中第1层由1个卷积层和1个池化层构成，第3层到第8层分别由6个残差单元构成；每个残差单元中加入SqueezeNet中的Fire模块，Fire Module通过将原先一层卷积转化为Sequeeze和Enpand两层；

步骤五：训练新搭建的分类模型；

将步骤三构建的数据集送入步骤四搭建的分类模型S-ResNet，设置对应的超参数轮次、学习率和一次训练所选取的样本数，通过交叉熵损失函数进行训练，直至收敛，每轮训练得到的改进的残差神经网络模型使用总体测试集测试识别准确率，保存所有轮次训练中准确率最大的一个神经网络模型作为最优分类模型；

步骤六：输出分类结果，获取最终的分类结果；

利用步骤五得到的最优分类模型，将测试集中不同目标的时频特征图输入到最终的分类识别模型中，最终的分类识别模型输出为对不同目标的识别结果。

2.根据权利要求1所述的一种水下目标的分类方法，其特征在于：

所述预置比例为7:3，按照比例7:3将数据集S随机进行划分为训练集S₁和测试集S₂。

3.根据权利要求1所述的一种水下目标的分类方法，其特征在于：

所述步骤三中，将所有数据样本的尺寸统一设置为与-ResNet分类模型的输入尺寸一致。

4.根据权利要求1所述的一种水下目标的分类方法，其特征在于：

所述残差网络ResNet由残差单元堆叠而成，残差网络中的残差单元以跳层连接的形式实现，即将单元的输入直接与单元输出加在一起，然后通过激活函数进行非线性映射。

5.根据权利要求1所述的一种水下目标的分类方法，其特征在于：

所述SqueezeNet网络由两部分构成：Sequeeze以及后面连接的Enpand两层，Firemodule输入的尺寸为H*W*M，H、W、M分别代表输入样本数据的长、宽和通道数，输出的特征图为H*M*(E₁+E₃)，E₁、E₃分别为卷积核1x1和3x3的个数，特征图的分辨率不变，变的仅是维数，即通道数，从而达到减少权值参数的目的。