买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：燕山大学

摘要：本发明公开了一种基于形态分量分析特征融合的水声目标识别方法，包括以下步骤：S1、对水声目标辐射噪声进行预处理，提取出目标的特征图像；S2、对S1中提取的目标特征图像，建立目标特征图像的稀疏模型；S3、对S2中建立的特征稀疏模型进行特征分量的分离，并利用分离的特征分量构建出目标的G特征；S4、利用S3中分离的特征分量，分别训练得到各分量稀疏表示的公共冗余字典；S5、设计基于形态分量分析的特征融合框架，通过融合框架构建出目标的融合特征；S6、设计基于卷积的识别网络，利用S5中的融合特征训练该识别网络，得到一个高准确率的识别网络，本发明实现对具有相似特征的目标的识别分类，提高识别的准确率。

主权项：1.一种基于形态分量分析特征融合的水声目标识别方法，其特征在于：包括以下步骤：S1、根据水声目标辐射噪声产生的机理和特点，对噪声信号进行预处理，提取出目标的特征图像；S2、对步骤S1中提取的目标特征图像，根据形态分量分析理论，建立目标特征图像的稀疏模型；步骤S2的具体步骤为：S21、信号形态分量分析理论：利用信号中各分量形态的不相关性，通过对应字典将各形态进行稀疏分解，二维信号的稀疏模型表示为： 式中，δ为模型偏差，M为样本数，A为过完备字典，xi为信号yi在过完备字典A下的分解系数；S22、建立目标特征的稀疏模型：图像作为信号的一种，利用目标特征图像不同组成成分之间的差异，将特征图像y稀疏分解为卡通分量yc和纹理分量yt两部分的线性组合，水下目标特征的稀疏模型表示为： 式中,xc和xt分别表示卡通分量yc和纹理分量yt的稀疏表示系数，Ac为卡通分量的过冗余字典，At为纹理分量的过冗余字典，δ为模型偏差，||x||0表示为x的l0范数；S23、特征的稀疏模型优化：采用l1范数替换l0范数，转换模型为凸性问题求解，同时考虑到目标特征中包含噪声的因素，则目标特征的稀疏模型表示为： 式中，λ为软阈值，||x||1表示为x的l1范数；S3、对步骤S2中建立的特征稀疏模型进行特征分量的分离，并利用分离的特征分量构建出目标的G特征；S4、利用步骤S3中分离的特征分量，分别训练得到各分量稀疏表示的公共冗余字典；S5、设计基于形态分量分析的特征融合框架，利用步骤S4中各分量的公共冗余字典，分别分离出特征的各分量系数，并通过融合框架构建出目标的融合特征；S6、设计基于卷积的识别网络，利用步骤S5中的融合特征训练该识别网络，得到一个高准确率的识别网络。

全文数据：

权利要求：

百度查询： 燕山大学 一种基于形态分量分析特征融合的水声目标识别方法