基于听觉感知原理的水下目标识别方法研究

发布时间：2020-07-08 08:23

【摘要】：水下目标自动识别是现代海军作战的关键技术之一。由于海洋环境的复杂性和目标特征的变化性,该问题一直没有得到很好解决。优秀声呐员出众的听音辨物能力,启发研究者模仿人耳的听觉感知机理进行水下目标识别。本文基于此思路,在听觉感知特征提取(包括音色空间特征和听觉中枢表达)、辨识策略以及两者在目标识别中的应用这三个方面开展了一系列工作,为相关研究开辟了新思路。本文的主要研究内容包括:1.探讨了听觉感知原理与声目标自动识别的关系。通过综述音色空间建模、听觉计算模型和人类目标辨识分类决策过程的研究进展,为听觉感知原理在水下目标识别中的应用打下了基础。结合水下目标自身的特点,为具体的应用方法提出展望。2.对水下目标进行多层次地划分,并逐层次地对音色差异进行研究。针对如下类别的水下目标,共设计3组成对比较实验:1)人为目标和自然目标;2)人为目标中的潜艇、舰船和巡逻艇;3)不同类型的舰船。利用CLASCAL模型对不相似度数据建模获得了3个音色感知空间,其中前两个空间的第一个维度分别区分了人为目标和自然目标,以及潜艇、舰船和巡逻艇,而不同舰船的差异则需要6维连续空间表示。最后,基于相关分析或回归分析获得了每个层次上的分类特征,并进行了验证。3.基于Shamma听觉中枢模型开展了水下噪声音色建模以及人为目标和自然目标分类研究。在获得水下噪声样本的听觉中枢表达后,分别借助于偏最小二乘回归和岭偏最小二乘回归完成音色建模和目标分类。结果表明,相比于简单的音色描述符,听觉中枢模型表现出更好的音色表达能力及目标辨识能力。4.对人类听者和自动分类器在不同目标辨识任务中的性能和辨识策略进行了对比研究。首先,设计并完成针对如下目标的3组主观辨识实验:1)人为目标和自然目标;2)舰船和潜艇;3)三类舰船。然后,分别利用logistic回归和多元线性回归量化自动分类器和人类听者的目标辨识过程。结果发现,除第一组外,自动分类器的性能均优于人类听者,而且性能出色的听者在辨识策略上与自动分类器相似。自动分类器和多个听者在第一组实验具有相似的性能,但它们之间的辨识策略存在差异,此时可通过整合不同听者和分类器的分类信息,以进一步提高目标辨识性能。5.开展了听觉中枢表达和音色属性特征在水下目标识别中噪声稳健性的对比研究。分类实验包含9个常见目标类别,并通过叠加4种不同特性的噪声进行干扰。两类听觉感知特征均与深度神经网络相结合以获取更优的性能。结果发现,听觉中枢表达相比于音色属性特征具有更好的分辨力和鲁棒性,其原因在于外周阶段的自身鲁棒性和中枢阶段的目标/噪声可分性。6.提出一种基于神经网络的特征迁移学习方法,能够从水下目标的日常声“原型”中自动学习高阶特征,并用于水下目标分类。结果发现,这种方法学习到的特征相对于原始特征,性能有显著提升,而这一优势在训练样本集较少时更为明显。
【学位授予单位】：西北工业大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：U674.7;U666.7

【相似文献】