一種目標類型識別的方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及探測技術(shù)領(lǐng)域，特別涉及一種目標類型識別的方法及裝置。
【背景技術(shù)】
[0002] 我國幅員遼闊，重要保衛(wèi)目標分布全國，容易收到武裝直升機、巡航導彈、無人駕 駛飛機等高科技飛行器等的攻擊，迫切需要建立保護重要區(qū)域的低空目標探測預警系統(tǒng)， 低空飛行的目標由于飛行高度低、雷達散射截面小，一般雷達難以發(fā)現(xiàn)，但這些目標在飛行 過程中輻射的聲音難以消除，利用這些聲音對低空飛行目標進行定位和識別是現(xiàn)代學者們 普遍關(guān)注的被動聲探測兩大關(guān)鍵技術(shù)。
[0003] 利用不同的目標類型輻射的聲信號不同，通過提取不同目標聲信號的聲紋特征， 利用模式識別的方法進一步對聲紋特征進行歸類分析，可達到對不同目標進行識別的目 的。具體的，現(xiàn)有技術(shù)中在進行目標類型識別時，需要采集目標的聲信號數(shù)據(jù)，對采集到的 目標聲信號數(shù)據(jù)進行特征提取分析，然后再利用包括模板匹配和神經(jīng)網(wǎng)絡(luò)的分類識別技術(shù) 對目標的類型進行識別。
[0004] 然而，模板匹配技術(shù)需要在特定條件下才能使用，神經(jīng)網(wǎng)絡(luò)技術(shù)要求有充分的樣 本數(shù)據(jù)，需對網(wǎng)絡(luò)進行充分的訓練，要求網(wǎng)絡(luò)權(quán)系數(shù)收斂到全局最優(yōu)解，否則神經(jīng)網(wǎng)絡(luò)在實 際使用時很難達到預期的效果，因此采樣現(xiàn)有技術(shù)中的分類識別技術(shù)在實際使用中很難達 到預期效果，影響識別結(jié)果的準確性。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明實施例提供一種目標類型的識別方法，能夠有效提高目標識別的準確度。
[0006] 本發(fā)明實施例中第一方面提供一種目標定位的方法，包括：
[0007] 通過平面?zhèn)髀曣嚵胁杉繕说穆曅盘?，所述目標包括低空飛行的無人機、輕型飛 機、動力三角翼、巡航導彈、動力滑翔傘中的任意一種；
[0008] 對所述聲信號進行方向估計，并對方向估計后的聲信號進行空域濾波處理；
[0009]在空域濾波處理后，提取所述聲信號的特征、所述聲信號的特征對應(yīng)的特征向量 以及所述目標的特征；
[0010]根據(jù)所所述聲信號的特征、所述聲信號的特征向量以及所述目標的特征，確定所 述目標的類型置信度；
[0011]通過融合識別技術(shù)對所述類型置信度進行識別，以確定所述目標的類型。
[0012] 可選的，在通過平面?zhèn)髀曣嚵胁杉繕说穆曅盘栔?，且對所述聲信號進行方向 估計，并對方向估計后的聲信號進行空域濾波處理之前，還包括：
[0013] 對所述聲信號進行自適應(yīng)噪聲抑制處理。
[0014] 可選的，所述對所述聲信號進行自適應(yīng)噪聲抑制處理包括：
[0015] 利用基于小波分解的自適應(yīng)噪聲抑制技術(shù)對所述聲信號進行抑制處理。
[0016] 可選的，在估計出所述聲信號的方向后，根據(jù)所述聲信號在各時刻的方向確定所 述目標的航跡。
[0017] 可選的，所述提取所述聲信號的特征包括：
[0018] 當輻射的聲音功率譜線譜基頻大于閾值時，通過直升機線譜和諧波集檢測算法對 頻域特征進行分析，以得到線譜頻率特征；
[0019] 所述提取所述聲信號的特征向量包括：
[0020] 計算出自相關(guān)系數(shù)和倒譜系數(shù)；
[0021] 將所述自相關(guān)系數(shù)和所述倒譜系數(shù)結(jié)合，得到若干維數(shù)的時域特征向量；
[0022] 進行非參數(shù)化功率譜分析，以計算出功率譜；
[0023] 利用計算出的功率譜，得到若干維數(shù)的頻域特征向量；
[0024] 計算聲信號各頻帶的能量特征、標準差特征、譜重心特征和小波包樣本熵特征；
[0025] 將能量特征、標準差特征、譜重心特征和小波包樣本熵特征進行組合，得到若干維 數(shù)的小波包特征量；
[0026]所述提取所述目標的特征包括：
[0027] 對所述目標的方位及其變化率進行跟蹤預測，得到所述目標的動態(tài)航跡特征。
[0028] 可選的，所述根據(jù)所述聲信號的特征確定所述目標的類型置信度包括：
[0029] 根據(jù)所述線譜頻率特征預先建立特征頻率庫；
[0030] 實時提取所述聲信號的特征頻率；
[0031] 根據(jù)提取到的所述特征頻率與所述特征頻率庫中的匹配情況，確定所述目標的第 一類型置信度；
[0032] 所述根據(jù)所述聲信號的特征向量確定所述目標的類型置信度包括：
[0033] 根據(jù)所述時域特征向量的維數(shù)和所述目標的數(shù)量分別確定時域特征子神經(jīng)網(wǎng)絡(luò) 的輸入和輸出層數(shù)；
[0034] 通過所述時域特征子神經(jīng)網(wǎng)絡(luò)確定所述目標的第二類型置信度；
[0035] 根據(jù)所述頻域特征向量的維數(shù)和所述目標的數(shù)量分別確定頻域特征子神經(jīng)網(wǎng)絡(luò) 的輸入和輸出層數(shù)；
[0036]通過所述頻域特征子神經(jīng)網(wǎng)絡(luò)確定所述目標的第三類型置信度；
[0037] 根據(jù)所述小波包特征向量的維數(shù)和所述目標的數(shù)量分別確定小波包特征子神經(jīng) 網(wǎng)絡(luò)的輸入和輸出層數(shù)；
[0038] 通過所述小波包特征子神經(jīng)網(wǎng)絡(luò)確定所述目標的第四類型置信度；
[0039] 所述根據(jù)所述目標的特征向量確定所述目標的類型置信度包括：
[0040] 通過航跡關(guān)聯(lián)識別技術(shù)，將所述航跡和所述動態(tài)航跡特征進行關(guān)聯(lián)，確定所述目 標的第五類型置信度。
[0041 ]可選的，所述通過融合識別技術(shù)對所述類型置信度進行識別，以確定所述目標的 類型包括：
[0042]利用所述第一類型置信度、第二類型置信度、第三類型置信度、第四類型置信度、 第五類型置信度以及加權(quán)值，計算出類型置信度的總值，選取最大值對應(yīng)的類型作為所述 目標的類型。
[0043]可選的，在所述通過融合識別技術(shù)對所述類型置信度進行識別，以確定所述目標 的類型之前還包括：
[0044] 利用遺傳算法和神經(jīng)網(wǎng)絡(luò)相結(jié)合的識別分類方法對神經(jīng)網(wǎng)絡(luò)權(quán)系數(shù)進行全局優(yōu) 化。
[0045] 可選的，當所述目標為低空慢速小目標時，通過十字傳聲陣列采集所述目標的聲 信號，所述十字傳聲陣列包括12個傳聲陣列元和4根相互垂直的水平桿。
[0046] 本發(fā)明實施例中第二方面提供一種目標類型識別裝置，包括：
[0047] 采集模塊，用于通過平面?zhèn)髀曣嚵胁杉繕说穆曅盘?，所述目標包括低空飛行的 無人機、輕型飛機、動力三角翼、巡航導彈、動力滑翔傘中的任意一種；
[0048]第一處理模塊，用于對所述聲信號進行方向估計，并對方向估計后的聲信號進行 空域濾波處理；
[0049] 提取模塊，用于在空域濾波處理后，提取所述聲信號的特征、所述聲信號的特征對 應(yīng)的特征向量以及所述目標的特征；
[0050] 第一確定模塊，用于根據(jù)所述聲信號的特征、所述聲信號的特征向量以及所述目 標的特征，確定所述目標的類型置信度；
[0051 ]識別模塊，用于通過融合識別技術(shù)對所述類型置信度進行識別，以確定所述目標 的類型。
[0052] 可選的，所述裝置還包括：
[0053]第二處理模塊，用于在通過平面?zhèn)髀曣嚵胁杉繕说穆曅盘栔?，且對所述聲?號進行方向估計，并對方向估計后的聲信號進行空域濾波處理之前，對所述聲信號進行自 適應(yīng)噪聲抑制處理。
[0054]可選的，所述第二處理模塊具體用于利用基于小波分解的自適應(yīng)噪聲抑制技術(shù)對 所述聲信號進行抑制處理。
[0055] 可選的，所述裝置還包括：
[0056] 第二確定模塊，用于在估計出所述聲信號的方向后，根據(jù)所述聲信號在各時刻的 方向確定所述目標的航跡。
[0057] 可選的，所述提取模塊具體用于：
[0058]當輻射的聲音功率譜線譜基頻大于閾值時，通過直升機線譜和諧波集檢測算法對 頻域特征進行分析，以得到線譜頻率特征；
[0059] 計算出自相關(guān)系數(shù)和倒譜系數(shù)；
[0060] 將所述自相關(guān)系數(shù)和所述倒譜系數(shù)結(jié)合，得到若干維數(shù)的時域特征向量；
[0061] 進行非參數(shù)化功率譜分析，以計算出功率譜；
[0062] 利用計算出的功率譜，得到若干維數(shù)的頻域特征向量；
[0063] 計算聲信號各頻帶的能量特征、標準差特征、譜重心特征和小波包樣本熵特征；
[0064] 將能量特征、標準差特征、譜重心