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：武汉普惠海洋光电技术有限公司;北京神州普惠科技股份有限公司

摘要：一种基于深度学习判别方位历程图中目标轨迹类型的方法，其主要特征在于包括以下步骤：首先通过波束形成获取水声目标方位历程图，并进行多目标轨迹方位跟踪，获取跟踪轨迹方位的波束时域数据后加载深度学习预训练分类识别模型进行机器学习，最后判断跟踪的目标轨迹类型并得出该跟踪轨迹的预测类别，本发明算法合理，处理效率高，将深度学习技术应用于被动声呐多目标轨迹判别方法上，利用深度学习网络模型处理疑似目标轨迹的波束时域数据，能够在复杂的海洋噪声环境下快速发现可疑目标轨迹，极大地降低了工作人员的工作强度，并且判断目标轨迹的准确性高。

主权项：1.一种基于深度学习判别方位历程图中目标轨迹类型的方法，其主要特征在于包括以下步骤：A、首先波束形成获取水声目标方位历程图；通过被动声纳阵列接收一定时间间隔的阵元域时域数据，计算一定方位角间隔下的各阵元接收到的噪声信号时延差，计算对应方位角下的合成波束的总能量值，建立时间-方位角空间坐标系并得到水声目标方位历程图；B、其次进行多目标轨迹方位跟踪；在某一个时刻发现目标后，手工初始化目标方位角，以上一个时刻的目标方位角为中心，在限定的方位角范围内搜索能量最大的合成波束，将其对应的方位角作为本时刻的目标方位角，按此规律不断进行下去，直至目标跟踪结束；C、接着获取跟踪轨迹方位的波束时域数据；利用步骤B中当前时刻跟踪到的目标方位，对该时刻阵列采集到的阵列原始数据进行波束形成，计算得到该目标方位下的波束形成时域数据，在下一跟踪时刻后，拼接上一时刻的波束形成时域数据；重复上述步骤，直到目标跟踪结束，得到一段时间内该目标运动过程中的波束时域数据；D、随后加载深度学习预训练分类识别模型；根据前期收集到的不同轨迹跟踪的目标时域数据样本，经时域数据预处理、特征提取和深度学习分类网络，进行深度学习和分类训练；E、最后判断跟踪的目标轨迹类型并得出该跟踪轨迹的预测类别；加载深度学习预训练分类识别模型，对该波束时域数据提取训练时用到的特征，并输入到该模型中进行预测，输出预测的类型ID，即可得出该跟踪轨迹的预测类别。

全文数据：

权利要求：

百度查询： 武汉普惠海洋光电技术有限公司 北京神州普惠科技股份有限公司 一种基于深度学习判别方位历程图中目标轨迹类型的方法