基于仿生海豚的水下目标识别技术研究.pdf

基于仿生海豚的水下目标识别技术研究

摘要

随着海洋建设工程的深化开展，针对水下未知目标的识别是未来提高水下信息透明

化的基础和关键。海豚生物的声呐系统能够适应复杂环境，在非稳态条件下具有卓越的

性能。因此本文利用海豚类生物在识别过程的物理机理与识别依据，研究从仿生海豚的

角度实现针对水下目标的分类识别。基于此，分析了仿生发射信号设计以及仿生水下目

标回波获取，并从海豚目标识别过程中后处理和前处理两个方向出发实现目标回波的仿

生特征提取，最后结合神经网络模型完成对目标的分类识别。

首先，基于真实采集的海豚发射的Click信号在时频域上进行定性地分析，归纳了

海豚发射信号的时频特性，并在分数阶傅里叶域上分离出了海豚发射信号的不同成分构

成，据此引出了一种负线性调频信号延时模型。同时利用Q函数对模型合成仿生信号的

性能进行了分析，并利用仿生信号作为声激励仿真得到了仿生水下目标回波。

其次，基于海豚分类识别过程中后处理的时频域统计特征，引入了一种基于时频能

量重排的同步提取变换作为回波时频特征提取的方法，并通过瑞利熵对比论证了该方法

具有最佳的时频细节特征刻画能力。同时从海豚生物感知机理的回波前处理过程着手，

研究了一种基于仿海豚听觉系统模型的特征提取方法，从时域、频域两个维度上对模型

的听觉谱图的特征表示机理进行了阐释。

然后，针对两类特征提取方法下的特征矩阵，引入了奇异值分解对特征矩阵进行维

度压缩，并对不同阶数下奇异值所包含的矩阵信息量作了具体的参数分析，证明了矩阵

奇异值的稀疏特性。在此基础上，采用核典型相关分析对不同特征向量进行特征级融合，

并通过类间类内距离比仿真说明了该特征融合方法的有效性。

最终，结合海豚头部回波信息智能处理机制，引入了径向基函数神经网络作为仿海

豚目标分类识别的分类器，并在水池实验回波数据的基础上，分析同步提取变换特征和

仿海豚听觉系统模型特征的分类识别效果在不同特征维度、不同信噪比情况下的表现，

结果表明同步提取变换特征在低信噪比条件下分类效果更优，但是特征维度较仿海豚听

觉系统模型特征方法要大上一个数量级，而通过核典型相关分析进行特征级融合后的特

征向量在识别率上的效果比两类单特征更佳，且显著地减少了特征维度，具有更强的特

征刻画能力和分类识别能力。

关键词：海豚仿生信号；仿生特征提取；目标回波特征融合；分类识别

基于仿生海豚的水下目标识别技术研究

ABSTRACT

Withthedeepeningofmarineconstructionprojects,thedetectionandidentificationof

underwaterunknowntargetsisthebasisandkeyforimprovingthetransparencyofunderwater

informationinthefuture.Thesonarsystemofdolphin-likecreaturesisabletoadapttocomplex

environmentsandhasexcellentperformanceundernon-stationaryconditions.Thispaper

thereforeexploitsthephysicalmechanismandrecognitionbasisofdolphin-likeorganismsin

therecognitionprocess,anddelvesintotheimplementationofaclassificationandrecognition

methodforunderwatertargetsfromtheperspectiveofbionicdolphins.Basedonthis,thispaper

investigatesthedesignofbionicemissionsignalsandtheacquisitionofbionicunderwater

tar