本发明属于海洋智能探测，具体涉及一种多类别特征驱动的目标自主判别方法。
背景技术：
1、水下无人移动探测装备是典型军民两用技术装备，凭借其噪声水平低、隐蔽性能高、环境适应强、成本低、易操作等优点，在海洋环境监测和水中目标探测方面应用价值明显。针对水下无人平台目标探测应用，其最重要的特点是目标自主识别，这一技术的实现与否及其性能优劣直接影响到整个系统运行，也是水下无人探测领域重点和难点之一。传统的水声目标识别需要具有丰富水声信号处理知识和专业经验的人提取目标数据特征，而无人平台需要实现目标类型的自主判别，这对目标识别方法提出了更高的要求。由于水下无人探测装备对目标类型的自主识别，需要大样本目标数据和鲁棒性高的目标识别算法，此外，无人平台海上应用环境复杂，探测目标容易受到渔船、商船、工程船等干扰，导致目前识别准确率不高。因此，对水声信号目标类型的被动识别一直是世界各国所面临的难题。
技术实现思路
1、本发明提出了一种多类别特征驱动的目标自主判别方法，通过将目标运动特征、能量特征、深度特征、频谱特征多类别物理意义明确的特征参数作为输入，对每一维特征分别赋予一个精度因子(识别概率)，并结合ds证据理论得到对水声目标类型的综合识别结果，其可有效解决弱声学特征目标自主判别难题，实现“人不在回路”条件下的目标自主判别，并可提高对水声目标类型判别的准确率和鲁棒性。
2、为实现上述目的，本发明的技术方案是：
3、一种多类别特征驱动的目标自主判别方法，包括如下步骤：
4、步骤s1：对水下无人平台矢量声学系统采集的信号进行姿态校正预处理；
5、步骤s2：将步骤s1获取的预处理声学信号进行方位估计，根据方位历程信息提取目标的运动特征参数；
6、步骤s3：对声学信号进行相干函数计算，根据相干函数提取目标的能量谱特征参数；
7、步骤s4：对声学信号进行目标时延分析，根据时延信息提取目标的深度特征参数；
8、步骤s5：对声学信号进行频谱分析，根据频谱信息提取目标的线谱特征参数；
9、步骤s6：对步骤s2至步骤s5得到的每一特征参数分别赋予1个水下目标识别概率，并作为ds分类器输入，融合得到对目标类型的综合识别结果。
10、优选的，所述的步骤s1中：所述的水下无人平台矢量声学系统为单矢量声学系统，其信号接收端为同振式三轴单矢量水听器；
11、姿态校正预处理的方法为：令水下无人平台的笛卡尔坐标系为oxbybzb，姿态传感器所应用的地理坐标系为oxnynzn，地理坐标系的oxn轴、oyn轴和ozn轴分别沿北、东和天方向；当坐标系oxbybzb相对于坐标系oxnynzn发生旋转时，绕ozn轴、oxn轴和oyn轴旋转分别得到平台的航向角α、俯仰角β和横滚角γ；
12、若(xb,yb,zb)为在坐标系oxbybzb下的坐标值，(xn,yn,zn)为在地里坐标系oxnynzn下的坐标值，由姿态转换矩阵得两坐标值的映射关系为：
13、
14、式(1)中，“t”表示矩阵转置，为姿态转换矩阵，其表达式为：
15、
16、优选的，所述的步骤s2包括如下具体步骤：
17、将预处理声学信号中的声压信号和质点振速信号进行傅里叶变换后共轭相乘得复声强spv(f)：
18、
19、式(3)中，sp(f)和sv(f)分别表示声压和质点振速做fft的频域结果，符号*表示取共轭；
20、复声强还表示为有功声强和无功声强的形式：
21、spv(f)＝sa,pv(f)+i·sr,pv(f) (4)
22、式(4)中，有功声强sa,pv(f)为复声强的实部，无功声强sr,pv(f)为复声强的虚部；利用有功声强sa,pv(f)在x、y两个方向上的正交投影和计算目标方位角θ(f)，表达式为：
23、
24、通过式(5)实现目标全空间无模糊测向，且无均匀声压线阵的左右舷模糊问题；由式(5)看出，通过其计算出的目标方位在不同频点f处不一致，利用频数加权直方图方位统计进行处理，表达式如下所示：
25、k＝[θ(f)*180/π] (6)
26、nk＝nk+1 (7)
27、式(6)中，[]表示取整运算，k∈[1,360]；式(7)为频数加权直方图表达式，nk为方位角k的频数；
28、针对水下无人平台，构建一种单站纯方位目标运动模型，在探测总时长t、初始方位角θ0、终止方位角θt确定的条件下，方位历程θt的变化仅为速度初距比ε的函数，即有：
29、
30、结合加权方位历程拟合方法精确计算出目标运动特征参数，所述的目标运动特征参数包括目标相对于探测平台方位角变化，并获得目标速度初距比、目标运动航向角、目标过平台正横时间及过正横方位角。
31、优选的，所述的步骤s3包括如下具体步骤：
32、利用复声强spv(f)在x、y、z三个方向上的正交投影得声场的总体相干函数表示式：
33、
34、利用总体相干函数得声场中相干能量谱scoh(f)和扩散能量谱sdif(f)，如下所示：
35、
36、相干能量谱scoh(f)和扩散能量谱sdif(f)即为能量谱特征参数。
37、优选的，步骤s4包括如下具体步骤：
38、时延信息在时频图像上呈现干涉条纹，利用图像处理提取目标时延特征，进而对目标深度进行估计；目标直达波和海面反射波的时延与目标水平距离的关系为：
39、
40、式(12)中，r1和r2分别是直达信号和海面反射信号的声程，r0是目标相对于接收器的水平距离，zr和zs分别是接收深度和声源深度；因此，时延信息和目标距离、目标深度、接收深度这3个量有关，在式(12)中将目标深度zs当作未知量，其余3个信息当作已知量，则这是1个关于zs的一元四次方程，求解该一元四次方程，该方程有两个虚根，一个负实数根和一个正实数根，取其正实数根得到目标深度参数的表达式：
41、
42、式(13)中，c和zr为已知，距离r0通过纯方位运动分析求得，因此，对时延t0的估计问题即为对目标深度参数的估计问题。
43、优选的，所述的步骤s5包括如下具体步骤：
44、通过自适应线谱增强(ale)利用窄带信号相比宽带噪声具有更大的相干半径这一特性，采用最小均方误差算法(lms)进行自适应抵消处理，消除部分宽带噪声，提高线谱信号的信噪比，在时域上对线谱信号进行增强；经过自适应线谱增强后提取弱目标信号特征线谱参数。
45、优选的，所述的步骤s6的方法为：
46、将步骤s2至步骤s5得到的得到的目标运动特征参数、能量特征参数、深度特征参数、频谱特征参数作为输入，利用支持向量机(svm)分类器得到各类特征目标识别概率，并结合ds证据理论得到对水声目标类型的综合识别结果。
47、优选的，所述的步骤s6包括如下具体步骤：
48、设θ＝{θ1,θ2,......,θn}为当前所研究问题的识别框架，其中有n个完备且互斥的独立命题θi，根据ds融合理论，当前识别框架下2θ表示θ内所有元素及元素间并集构成的集合，其对应了所有目标类型的判别情况；在对水面、水下两类目标进行识别分类时，θ＝{θ1,θ2}，其中θ1表示“水面目标类型”，θ2表示“水下目标类型”；并且有其中，θ1∪θ2表示既可能为水面又可能为水下的情况；根据ds理论，当前识别框架下mass函数可表述为：
49、且
50、对于在水声目标噪声识别框架θ上的dempster合成规则表述为：
51、
52、式(15)中：
53、
54、本发明一种多类别特征驱动的目标自主判别方法的有益效果为：
55、本发明可充分利用海上探测目标相关的特征信息，并对各类特征进行组合推理、取长补短，使水下无人探测装备获得对目标类型更全面、准确的判别，可显著提高目标判别的准确率、鲁棒性和抗假目标干扰等性能，水下无人探测装备可自主判别水下无人平台探测到的目标类型，实现“人不在回路”条件下的目标自主判别。
56、说明书附图
57、图1为本发明的技术流程图。
58、图2为水下无人平台姿态角定义示意图。
59、图3为目标声源与接收器的相对位置示意图。
60、图4为自适应线谱增强框图。
1.一种多类别特征驱动的目标自主判别方法，其特征为，包括如下步骤：
2.如权利要求1所述的一种多类别特征驱动的目标自主判别方法，其特征为，所述的步骤s1中：所述的水下无人平台矢量声学系统为单矢量声学系统，其信号接收端为同振式三轴单矢量水听器；
3.如权利要求2所述的一种多类别特征驱动的目标自主判别方法，其特征为，所述的步骤s2包括如下具体步骤：
4.如权利要求3所述的一种多类别特征驱动的目标自主判别方法，其特征为，所述的步骤s3包括如下具体步骤：
5.如权利要求4所述的一种多类别特征驱动的目标自主判别方法，其特征为，步骤s4包括如下具体步骤：
6.如权利要求5所述的一种多类别特征驱动的目标自主判别方法，其特征为，所述的步骤s5包括如下具体步骤：
7.如权利要求6所述的一种多类别特征驱动的目标自主判别方法，其特征为，所述的步骤s6的方法为：
8.如权利要求7所述的一种多类别特征驱动的目标自主判别方法，其特征为，所述的步骤s6包括如下具体步骤：
