基于深度学习的主动声呐目标回波亮点结构特征提取方法.pdf

2023年第 3 期 声学与电子工程 总第 151 期 2023年第 3 期 声学与电子工程 总第 151 期 11 基于深度学习的主动声呐目标回波亮点结构 特征提取方法 朱辉庆（海装驻杭州地区军事代表室，杭州，310023）摘要摘要 回波的亮点结构特征包含大量信息，典型水下目标与非目标的回波亮点结构具有差异性规律，为水下目标识别提供了依据，文章从两种主要特征入手，构建以 LeNet 模型为骨架的深度学习模型，利用该模型从回波中提取出信号的亮点数目与目标径向尺度两类亮点结构特征。仿真与实测结果表明，当信噪比0 dB时，基于深度学习的亮点结构特征提取方法的亮点数量的平均估计误差0.2，径向尺度的平均估计误差0.9，具有明显的优越性。深度学习模型得出的R2比传统方法高出0.25左右，平均绝对误差 MAE 则要低 2.5 左右。利用仿真数据所训练得出的权重对海试实验的实际数据进行预测分析，将目标单波束匹配滤波结果输入模型中进行亮点数量特征提取，所得结果值基本吻合真实目标的亮点数目。图 7 为某次试验中实际目标回波匹配滤波包络曲线，经模型特征提取得到亮点数量为 3 个，基本符合实际情况。由于实际数据毛刺干扰严重，传统极值搜索法所得结果为 12 个，不具备参考价值。图 7 实际目标回波匹配滤波包络图 3 目标尺度特征提取 根据回波的长度可以分析目标的径向尺度信息，亮点的时延扩展长度与目标的径向尺度相联系，2/c，其中为径向尺度，c 为海水中的声速；cosL，L为目标长度，为声波入射方位角。径向尺度示意图见图 8。L 图 8 径向尺度示意图 根据目标的亮点结构模型，改变声波入射方位角，仿真生成 5120 m 范围的数据样本，样本尺度间隔为 5 m。（a）径向尺度为 30 m 时匹配滤波结果 （b）径向尺度为 100 m 时匹配滤波结果 图 9 不同径向尺度下的匹配滤波包络图 对不加噪声的信号进行回归预测分析，每组数据的样本数为 5000 个，训练集及验证集也按照 4:1的比例划分。仿真生成多组不同信噪比的数据，数据信噪比与决定系数以及 MAE 的对应关系见图 10。由图 10 可见，在不同信噪比条件下，深度学习方法对目标尺度特征预测结果均优于极值搜索法，其中，平均决定系数优于传统方法 0.25 左右，MAE则均降低了 2 左右，在信噪比升高到 0 dB 时，深度学习预测结果可达到较高的精度水平。（a）数据信噪比与决定系数关系 0.8 0.9 1 1.1 1.2 1.3 1.4时间/s 归一化匹配滤波幅度 1 0.5 0 0.8 0.9 1 1.1 1.2 1.3 1.4时间/s 1 0.5 0 归一化匹配滤波幅度 0 0.1 0.2 0.3 0.4 0.5时间/s 1 0.8 0.6 0.4 0.2 0 归一化幅度-20 -10 0 10 20 30 40信噪比/dB 决定系数 1 0.8 0.6 0.4 0.20-20 -10 0 10 20 30 40信噪比/dB 朱辉庆：基于深度学习的主动声呐目标回波亮点结构特征提取方法 15 （b）信噪比与平均绝对误差关系 图 10 样本数据信噪比与绝对系数、平均绝对误差关系图 4 结论 目标亮点数量与目标径向尺度是两类典型的亮点结构特征，对主动目标识别具有重要作用。本文针对低信噪比条件下，传统极值点搜索方法对亮点结构特征提取性能下降的问题，将深度学习模型引入到目标回波亮点结构特征提取中来，构建了以LeNet 模型为骨架的深度学习模型。仿真结果表明，在不同信噪比下，基于深度学习的特征提取方法具有更高的特征提取精度，当信噪比0 dB 时，本文所述方法的亮点数量的 MAE0.2，径向尺度的MAE1。本文进一步分析了信噪比对特征提取精度的影响，结果表明，当信噪比 0 dB 时，深度学习的回归模型对两类特征的提取精度随信噪比的升高迅速提高，大于 0 dB 后达到较为优良的范围。实际数据的特征提取结果验证了本文所述方法的合理性。参考文献：参考文献：1 王念滨,何鸣,王红滨，等.适用于水下目标识别的快速降维卷积模型J.哈尔滨工程大学学报,2019,040(007):1327-1333.2 宋达.基于深度学习的水下目标识别方法研究D.电子科技大学,2018 3 王磊,陈越超,王青翠,等.基于卷积残差网络的水下主动目 标 回 波 图 像 分 类 方 法 研 究 J.声 学 与 电 子 工程,2021(01):1-4 4 WANG QINGCUI,DU SHUANPING,WANG FANGYONG,et al.Underwater target recognition method based on multi-domain active sonar imagesC.IEEE International Conference on Signal Processing,Communications and Computing,2021.5 汤渭霖.声呐目标回波的亮点模型J.声学学报,1994(02):92-100.6 宋绪栋,刘鹏仲.一种水下多亮点目标模拟器的设计J.声学技术,2012,31(02):188-192.7 朱兆彤,彭石宝,许稼等.水下目标亮点拓扑特征提取及自动识别方法简J.声学学报,2018(2):154-162.8 陈云飞,李桂娟,王振山,等.水中目标回波亮点统计特征研究J.物理学报,2013,62(8):084302.-20 -10 0 10 20 30 40信噪比/dB 平均绝对误差 1 0.8 0.6 0.4 0.2 0