[发明专利]一种基于卷积相似度的水声环境参数分类方法

权利要求书

1.一种基于卷积相似度的水声环境参数分类方法，其特征在于所述方法具体过程为：将待分类的水声信息矩阵输入到训练好的水声环境参数分类神经网络模型中获得分类好的水声环境参数；

所述训练好的水声环境参数分类神经网络模型通过以下方式获得：

步骤一、获取水声信息矩阵，建立超网络模型并利用获取的水声信息矩阵训练超网络模型获取训练好的超网络模型α和每个卷积输出的水声特征矩阵；

所述水声信息矩阵包括：干端信号矩阵、湿端信号矩阵；

所述干端水声信号矩阵是母船发射的所有电信号拼接成的矩阵；

所述湿端信号矩阵：接收信号船只将接收的所有声信号转换为电信号，所有电信号拼接成的矩阵即为湿端信号矩阵；

所述超网络模型包括：卷积层、累加层、池化层、线性分类器；

其中，每个卷积层包括多个卷积；

所述累加层的数量比卷积层的数量少1；

所述每个卷积输出的水声特征矩阵为超网络训练结束前准确率最高的一次迭代获得的模型中每个卷积输出的水声特征矩阵；

步骤二、对步骤一获取的每个水声特征矩阵进行降维，并对降维后的每个卷积层内的每个卷积输出的水声特征矩阵进行横向拼接处理获得二维水声特征矩阵(M₁,IC×M₂)；

其中，IC为输入通道数量，M₁是水声特征矩阵的行数、M₂水声特征矩阵的列数；

步骤三、对步骤一训练好的超网络模型α中不同卷积层内不同规格的卷积创建规格为(M₁,M₂)的高斯核，利用高斯核对步骤二获得的二维水声特征矩阵进行卷积操作获得一维水声特征向量；

步骤四、利用步骤三获得的一维水声特征向量获取每个卷积层中的每两个水声特征矩阵的相似度系数；

步骤五、根据步骤四获得的水声特征矩阵的相似度系数对训练好的超网络模型α进行裁剪，获取训练好的水声环境参数分类神经网络模型。

2.根据权利要求1所述的一种基于卷积相似度的水声环境参数分类方法，其特征在于：步骤一中所述每个卷积输出的水声特征矩阵为三维矩阵(IC,M₁,M₂)。

3.根据权利要求2所述的一种基于卷积相似度的水声环境参数分类方法，其特征在于：所述步骤二中对步骤一获取的每个水声特征矩阵进行降维后获得IC个规格为(M₁,M₂)的二维矩阵。

4.根据权利要求3所述的一种基于卷积相似度的水声环境参数分类方法，其特征在于：所述步骤三中获得的一维水声特征向量规格为(1,IC)。

5.根据权利要求4所述的一种基于卷积相似度的水声环境参数分类方法，其特征在于：所述步骤四中利用步骤三获得的一维水声特征向量获取每个卷积层中的每两个水声特征矩阵的相似度系数，包括以下步骤：

首先，将每一卷积层中任意两个一维水声特征向量之间的乘积除以模长获得的参数即为两个水声特征矩阵之间的相似度系数；

然后，利用每一个卷积层中的所有一维水声特征向量两两获取相似度系数，获得每个卷积层中所有的相似度系数。

6.根据权利要求5所述的一种基于卷积相似度的水声环境参数分类方法，其特征在于：所述两个水声特征矩阵之间的相似度系数用于衡量两个水声特征矩阵的相似度，其中相似度越高，相似度系数越接近1；相似度越低，相似度系数越接近0。