[发明专利]一种水下无人机目标性实时监测方法

说明书

本发明属于目标性实时监测技术领域，公开了一种水下无人机目标性实时监测方法：首先将无人机装置放置监测目标环境并初始化，对监测目标的具体位置和转化所需监测的数据，对所监测目标的数据进行概率密度建模，并进一步将所得到的的模型更新在水下无人机的深度学习模型参数上。然后对监测目标位置进行改变进而继续同上一步操作，直至整个监测环境参数完全整合，对已收集到的数据模型进行对比，若对比结果不符合收敛条件，则通过计算得到Mean‑Shift向量，将监测数据进行调整。本发明能够及时进行对水域环境水质参数等一般监测，并解决监测目标数据大幅度变化的问题，增加监测数据的可信度与准确性。

技术领域

本发明属于实时监测技术领域，具体是一种水下无人机目标性实时监 测方法。

背景技术

无人机目标性实时监测是指：将水下无人机放置于立体监测环境，对 监测目标进行数据采样，并通过构建模型确立最优解作为监测数据。在水 质检测、实时通信的人机交互等领域有很好的应用前景。

由于无人机在水中进行探测，无人机运行和实时通讯不稳定性，导致 监测数据不准确等，这给无人机监测提出很大的挑战。

相关技术中，有学者通过研究传统的相关滤波算法和孪生网络模型， 提出一些端到端、无监督的先进监测算法、模型。相关技术的不足在于， 这些方法对计算资源要求较高，不适合用在无人机实时监测的过程中。

另外，相关技术中的Mean-Shift算法在监测的过程中，模板的核宽一 种保持不变，当被监测水域极限坐标因水下因素发生改变时，新目标的真 实核宽可能会发生改变。

因此，迫切需要提供一种一种水下无人机目标性实时监测方法解决一 上技术问题。

发明内容

本发明需要解决的技术问题是：提出一种水下无人机目标性实时监测 方法，该方法能自适应核宽大小，并且在周围监测目标数据发生大幅度变 化导致监测数据容易出现误差时，通过预测重新确定最优解。

为实现上述技术效果，本发明提供一种水下无人机目标性实时监测方 法，包括如下步骤：

步骤1

系统初始化：在第一次采集时，读取待监测目标水域，通过两次二维 化立体环境框取XY值并求最优解大小作为核窗的宽度h₀，对监测目标数据 进行概率密度建模，其中，C是归一化常 数，(x_i)_i＝1,...,N是第i点的目标位置，Epanechnikov核轮廓函数为k(x)，克 罗内克函数表示为δ，其作用是判断处于位置x_i的监测数值是否属于特征空 间中的第u个bin，函数b的作用是将x_i位置处的最优解与该最优解在量化的 特征空间中所属的bin值对应起来，计算目标周围邻域的背景直方图将 预先在水下无人机上的深度学习模型用Xavier方法初始化参数。

步骤2

步骤21.出于对监测数据可信度与准确度的考虑，在监测位置建立候 选目标模型，

其中y表示候选目标的中心位置；

步骤22.计算目标与候选之间背景比率权重ρ作为两 个向量之间的Bhattacharyya系数的样本估计的衡量，也就是衡量原模型 和候选目标模型的相似程度，如果不符合收敛条件，则通过计算得到 Mean-Shift向量其中，W_i表示 权重，

是所选用的核函数，轮廓函数为g(x)，并将目标监测数据提升或降低到新的数据，以此为基础开始下一次迭代，直 到符合收敛条件为止，以此可以得到监测目标数据最优解；

及对应的尺度