技术新讯 > 计算推算,计数设备的制造及其应用技术 > 基于AIS与被动声呐信息匹配的目标识别方法及装置  >  正文

基于AIS与被动声呐信息匹配的目标识别方法及装置

  • 国知局
  • 2024-07-31 22:55:35

本技术涉及被动声呐信息处理,特别是涉及一种基于ais与被动声呐信息匹配的目标识别方法及装置。

背景技术:

1、进行水面多目标匹配识别有利于提高海洋监控和安全管理的效率和准确性。通过对海洋表面的多个目标进行匹配识别,可以及时发现潜在的威胁或异常情况,为海上交通安全、渔业资源保护、海洋环境保护等提供重要支持。此外,水面多目标匹配识别还可以用于航运管理、海上应急救援和军事防御等领域,具有广泛的实际应用价值。

2、然而,现有技术中存在一些问题。传统的单一传感器系统在水面目标识别中存在诸多局限性,例如单一传感器的识别准确性和鲁棒性有限,无法全面获取目标信息,对低噪声弱目标的识别能力不足,以及在复杂动态环境下的适应能力有限等。这些问题导致了单一传感器在水面多目标匹配识别中的局限性,使得监测系统可能无法有效地识别目标、区分威胁、及时做出反应。

技术实现思路

1、基于此,有必要针对上述技术问题,提供一种能够基于融合信息进行多目标匹配识别的基于ais与被动声呐信息匹配的目标识别方法及装置。

2、一种基于ais与被动声呐信息匹配的目标识别方法,所述方法包括:

3、获取ais数据集以及被动声呐数据集,所述ais数据集中包括由处于同一海域中的多个水上目标自动发送的ais数据,所述被动声呐数据集中包括设置于该海域的被动声呐阵列接收的目标探测数据;

4、对所述ais数据集中的ais数据进行预处理,基于预处理后的ais数据得到各所述水上目标的ais航迹;

5、采用到达方向算法对所述目标探测数据进行处理,识别出多个待匹配的水声目标以及对应的被动声呐航迹;

6、将各所述水上目标的ais航迹以及各所述水声目标的被动声呐航迹输入至模糊神经网络中,通过计算每一个水上目标与各水声目标之间的多维度隶属度,得到目标匹配结果。

7、在其中一实施例中,所述对所述ais数据集中的ais数据进行预处理包括:

8、根据所述ais数据中的标识进行分类,将所述ais数据根据不同水上目标进行分组,得到多组ais数据;

9、对各组所述ais数据分别依次进行不规范数据清洗、缺失数据填充以及冗余数据删除的处理,直至处理后的各组ais数据符合要求;

10、按照时间顺序,对符合要求的各组ais数据分别进行重新排序,得到预处理后的所述ais数据。

11、在其中一实施例中,各所述水上目标的ais航迹表示为,按时间排序的各个时刻下对应水上目标相对于所述被动声呐阵列的角度、距离,以及位置置信度;

12、各所述水声目标的被动声呐航迹表示为,按时间排序的各个时刻下对应水声目标与所述被动声呐阵列之间的相对角。

13、在其中一实施例中,所述模糊神经网络包括依次连接的输入层、模糊化层、隶属度矩阵层以及学习层;

14、在所述模糊化层中,计算每一个水上目标与各水声目标之间三个维度的隶属度;

15、在所述隶属度矩阵层中,根据每一个水上目标与各水声目标之间三个维度的隶属度计算得到总隶属度;

16、在所述学习层中,针对每一个水上目标选取出最大总隶属度,将所述最大总隶属度对应的水声目标与该水上目标进行匹配。

17、在其中一实施例中,所述学习层采用全连接神经网络。

18、在其中一实施例中,在所述模糊化层中,所述三个维度的隶属度包括所述水上目标相对于所述被动声呐阵列的方向角隶属度、距离隶属度,以及水上目标位置可靠性隶属度。

19、在其中一实施例中,计算所述总隶属度采用以下公式:

20、;

21、在上式中,表示第个水上目标和第水声目标之间的总隶属度,、以及分别为方向角隶属度、距离隶属度以及位置可靠性隶属度,、以及表示权重。

22、在其中一实施例中,所述权重、以及通过采用粒子群参数选优算法进行迭代更新得到。

23、在其中一实施例中,在采用粒子群参数选优算法对权重进行迭代更新时,其目标函数为将更新后的权重代入模糊神经网络中得到的总隶属度最高。

24、本技术还提供了一种基于ais与被动声呐信息匹配的目标识别装置,所述装置包括:

25、ais和被动声呐数据获取模块,用于获取ais数据集以及被动声呐数据集,所述ais数据集中包括由处于同一海域中的多个水上目标自动发送的ais数据,所述被动声呐数据集中包括设置于该海域的被动声呐阵列接收的目标探测数据;

26、ais航迹得到模块,用于对所述ais数据集中的ais数据进行预处理,基于预处理后的ais数据得到各所述水上目标的ais航迹;

27、被动声呐航迹得到模块,用于采用到达方向算法对所述目标探测数据进行处理,识别出多个待匹配的水声目标以及对应的被动声呐航迹;

28、目标匹配模块,用于将各所述水上目标的ais航迹以及各所述水声目标的被动声呐航迹输入至模糊神经网络中,通过计算每一个水上目标与各水声目标之间的多维度隶属度,得到目标匹配结果。

29、一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:

30、获取ais数据集以及被动声呐数据集,所述ais数据集中包括由处于同一海域中的多个水上目标自动发送的ais数据,所述被动声呐数据集中包括设置于该海域的被动声呐阵列接收的目标探测数据;

31、对所述ais数据集中的ais数据进行预处理,基于预处理后的ais数据得到各所述水上目标的ais航迹;

32、采用到达方向算法对所述目标探测数据进行处理,识别出多个待匹配的水声目标以及对应的被动声呐航迹;

33、将各所述水上目标的ais航迹以及各所述水声目标的被动声呐航迹输入至模糊神经网络中,通过计算每一个水上目标与各水声目标之间的多维度隶属度,得到目标匹配结果。

34、一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:

35、获取ais数据集以及被动声呐数据集,所述ais数据集中包括由处于同一海域中的多个水上目标自动发送的ais数据,所述被动声呐数据集中包括设置于该海域的被动声呐阵列接收的目标探测数据;

36、对所述ais数据集中的ais数据进行预处理,基于预处理后的ais数据得到各所述水上目标的ais航迹;

37、采用到达方向算法对所述目标探测数据进行处理,识别出多个待匹配的水声目标以及对应的被动声呐航迹;

38、将各所述水上目标的ais航迹以及各所述水声目标的被动声呐航迹输入至模糊神经网络中,通过计算每一个水上目标与各水声目标之间的多维度隶属度,得到目标匹配结果。

39、上述基于ais与被动声呐信息匹配的目标识别方法及装置,通过对同一海域中的多个水上目标自动发送的ais数据,以及设置该海域中的被动声呐阵列接收的目标探测数据,分别进行处理得到水上目标的ais航迹以及水声目标的被动声呐航迹,将ais航迹和被动声呐航迹输入至模糊神经网络中,通过计算每一个水上目标与各水声目标之间的多维度隶属度,得到目标匹配结果。采用本方法可以实现目标精准匹配的同时,及时发现可疑目标。

本文地址:https://www.jishuxx.com/zhuanli/20240730/195352.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。