申请/专利权人：西安交通大学

申请日：2021-05-31

公开（公告）日：2024-04-02

公开（公告）号：CN113361579B

主分类号：G06F18/2415

分类号：G06F18/2415;G06F18/25;G06F18/214;G06N3/047;G06N3/0499;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.09.24#实质审查的生效;2021.09.07#公开

摘要：本发明公开了一种水下目标探测辨识方法、系统、设备及可读存储介质，通过融合动态目标产生的流场压力信号与电场畸变实现流电信息复合探测，解决了现有水下声探测方法信息表征不全面、受环境干扰影响的探测盲区问题，可作为水下非声探测的有效补充技术，基于Neyman‑Pearson规则实现单一流电场信息的融合，在同构检测系统检测概率达到最优的情况下选择最佳的流电信号作为异构融合的依据，提高了单场信息的可靠度，基于D‑S证据理论实现BPNN,GRNN与GRNN的数据融合，最小化系统预测误差，然后实现流电信息的融合，形成信息表征更加全面、系统性能更加稳定与辨识能力更加精准的水下目标探测。

主权项：1.一种水下目标探测辨识方法，其特征在于，包括以下步骤：S1，对已知类型水下目标的流场压力信号、流场压力噪声序列进行低通滤波预处理，电场畸变信号和电场噪声序列分别进行去直流滤波预处理；S2，基于Neyman-Pearson规则对预处理后的流场压力信号和流场压力噪声序列进行融合形成流场信号集，从流场信号集取最优的流场信号以及从预处理后的电场畸变信号取最优电场信号依据检测概率划分数据样本集，利用数据样本集进行模型训练得到多模型概率输出模型；S3，基于D-S证据理论利用多模型概率输出模型对获取的流场信号和电场信号进行概率判别，将判别结果进行融合得到最终的目标概率分布，取目标概率分布中概率最大的类别为辨识类别，从而实现水下目标探测辨识；择最优的流场信号和电场信号依据检测概率划分流场信号数据样本集和电场信号数据样本集将数据样本集划分为M个报警等级，是在第k类目标在流场电场信息判定下的m级警报；分别提取流场信号数据样本集和电场信号数据样本集的多域特征构成特征集基于Rosetta软件实现特征集和的特征约简得到特征敏感集，利用特征敏感集训练多模型神经网络实现对不同目标预警等级的辨识，并将模型的输出值转化为概率值，获得目标的概率分布；基于多模型训练输出概率分布具体选择BP神经网络，广义回归神经网络与概率神经网络作为辨识框架，使用softmax函数输出样本的概率分布；基于D-S证据理论多模型概率融合的具体步骤如下： 其中，Kf为归一化常数： 标签空间作为辨识框架Ω＝{δ00，δ11,...,δ1M,......,δKM},上式中分别表示BP网络,GRNN和PNN对水压传感器采集的信号的辨识，表示三种网络的融合辨识。

全文数据：

权利要求：

百度查询： 西安交通大学 一种水下目标探测辨识方法、系统、设备及可读存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD