一种基于环境特征解耦与特征约束的跨环境目标识别方法和相关设备

本技术涉及水声信号处理，尤其涉及一种基于环境特征解耦与特征约束的跨环境目标识别方法和相关设备。

背景技术：

1、相关技术中，传统数据增强方法主要通过信号扰动扩展样本空间，难以准确描述真实海洋传播过程中由环境变化引起的信号变化。

2、综上，相关技术中存在的技术问题有待得到改善。

技术实现思路

1、本技术实施例的主要目的在于提出一种基于环境特征解耦与特征约束的跨环境目标识别方法和相关设备，实现跨环境、小样本条件下的高鲁棒性识别。

2、为实现上述目的，本技术实施例的一方面提出了一种基于环境特征解耦与特征约束的跨环境目标识别方法，所述方法包括以下步骤：

3、获取目标水声信号，并对所述目标水声信号进行时频变换，提取得到初始声学特征；

4、对所述初始声学特征进行物理一致性增强，生成多视图样本；

5、将所述多视图样本输入环境特征解耦模块，由所述环境特征解耦模块对所述多视图样本中的环境扰动分量进行估计并剥离，得到解耦谱；

6、将所述解耦谱输入目标特征编码模块，由所述目标特征编码模块对所述解耦谱进行深层语义编码，得到目标特征表示；

7、将所述目标特征表示输入投影头，映射得到投影特征，利用所述投影特征以及样本对应的环境元数据和类别标签构建对比损失，对所述目标特征表示进行特征空间约束优化，得到优化后的目标特征表示；

8、将所述优化后的目标特征表示与预建立的各类别原型进行相似度计算，根据最大相似度确定目标类别并输出识别结果。

9、在一些实施例中，所述获取目标水声信号，并对所述目标水声信号进行时频变换，提取得到初始声学特征，包括：

10、获取干净水声信号；所述干净水声信号来源于水声信号数据集；

11、获取全球海洋温盐气候态数据，根据所述全球海洋温盐气候态数据得到不同区域各深度处的温度和盐度信息，再通过经验声速模型计算对应深度下的声速剖面；

12、根据所述声速剖面，采用声传播射线模型对每个海洋环境进行多径信道仿真，得到对应声源-接收几何配置条件下的多径到达结构；所述多径到达结构包含各传播路径的复振幅和传播时延；

13、从所述多径到达结构中保留能量最大的前预设数量条传播路径，对各路径的复振幅进行归一化，并以最强路径的传播时延作为参考时延进行时延对齐，构建得到多径冲激响应信道；

14、在所述多径冲激响应信道的确定性多径参数基础上，加入阴影衰落、时延抖动和频率选择性吸收三类物理扰动，得到增强后的多径冲激响应信道；

15、将所述干净水声信号与所述增强后的多径冲激响应信道进行卷积运算，得到增广水声信号，并记录对应的元数据向量；所述元数据向量包括声源深度、传播距离、接收深度、有效路径数、累计能量及环境类型；所述增广水声信号用于模拟经过不同海洋传播环境后的目标水声信号；

16、对所述增广水声信号进行时频变换，提取得到初始声学特征，包括：以预设采样率采集所述增广水声信号的时域波形，通过对数梅尔时频特征提取算子进行时频变换，输出对数梅尔时频特征作为所述初始声学特征。

17、在一些实施例中，所述对所述初始声学特征进行物理一致性增强，生成多视图样本，包括：

18、对所述初始声学特征进行对数能量记忆库混合增强，所述对数能量记忆库混合增强包括：在指数还原后的功率域将当前样本特征与历史记忆库样本的特征按混合系数进行混合，再映射回对数域；所述历史记忆库样本通过滑动记忆库动态维护并随机选取；

19、对所述初始声学特征或经所述对数能量记忆库混合增强后的特征进行频时随机缩放裁剪，所述频时随机缩放裁剪包括：在时频谱上执行随机频时裁剪，再通过双三次插值恢复至原始尺寸；

20、经所述对数能量记忆库混合增强或所述频时随机缩放裁剪后，得到多视图样本。

21、在一些实施例中，所述将所述多视图样本输入环境特征解耦模块，由所述环境特征解耦模块对所述多视图样本中的环境扰动分量进行估计并剥离，得到解耦谱，包括：

22、设置环境特征解耦模块；所述环境特征解耦模块为多分支并行结构的解耦器；

23、使用所述环境特征解耦模块通过频率维扰动剥离分支对所述多视图样本沿时间维进行边际平均，得到所述多视图样本的频率轮廓，将所述频率轮廓通过三层多层感知机进行非线性变换，得到频率维扰动估计量；

24、获取所述多视图样本对应的环境标识符，将所述环境标识符进行嵌入映射，得到环境特征向量，并根据所述环境特征向量通过线性映射和门控函数生成环境条件门控向量；

25、利用所述环境条件门控向量对所述频率维扰动估计量进行调制，得到环境条件相关的频率维扰动估计量；

26、使用所述环境特征解耦模块通过时间维扰动剥离分支对所述多视图样本沿频率维进行边际平均，得到所述多视图样本的时间轮廓，将所述时间轮廓通过三层一维卷积网络进行非线性变换，得到时间维扰动估计量；

27、使用所述环境特征解耦模块通过频时联合扰动剥离分支对所述多视图样本进行二维卷积建模，得到频时联合扰动估计量；

28、使用所述环境特征解耦模块将所述多视图样本减去所述环境条件相关的频率维扰动估计量、所述时间维扰动估计量和所述频时联合扰动估计量的加权和，得到解耦谱。

29、在一些实施例中，所述将所述解耦谱输入目标特征编码模块，由所述目标特征编码模块对所述解耦谱进行深层语义编码，得到目标特征表示，包括：

30、设置目标特征编码模块；所述目标特征编码模块为多尺度声学编码器；

31、使用所述目标特征编码模块对所述解耦谱进行卷积词干提取，得到局部纹理特征；

32、将所述局部纹理特征输入四级残差特征提取结构，各级残差块逐步扩大感受野并降低时频分辨率至预设范围，形成层次化时频语义表示；在各级残差块内部，通过通道-空间协同注意力机制对时频响应进行处理，其中通道注意力用于强化具有符合预设条件的高判别性的频带响应，空间注意力用于突出符合预设条件的关键时频区域；

33、在四级残差特征提取完成后，对四级残差特征提取结构输出的特征同时计算全局平均值、全局最大值和标准差统计量，将所述全局平均值、全局最大值和标准差统计量进行拼接，得到多尺度统计池化特征；

34、将所述多尺度统计池化特征经全连接映射，得到目标特征表示。

35、在一些实施例中，所述将所述目标特征表示输入投影头，映射得到投影特征，利用所述投影特征以及样本对应的环境元数据和类别标签构建对比损失，对所述目标特征表示进行特征空间约束优化，得到优化后的目标特征表示，包括：

36、设置投影头；所述投影头包括三层带批归一化的多层感知机；

37、将所述目标特征表示输入所述投影头，经所述投影头映射后得到投影特征；

38、将所述投影特征进行l2归一化，得到归一化投影特征；

39、基于所述归一化投影特征构建正样本集和负样本集，其中相同类别标签的样本对应的所述归一化投影特征之间为正样本对，不同类别标签的样本对应的所述归一化投影特征之间为负样本对；

40、计算任意两个所述归一化投影特征之间的缩放点积相似度；

41、在所述缩放点积相似度的基础上，对相同环境标识符但不同类别标签的负样本对，在所述缩放点积相似度上增加惩罚项，得到修正相似度；

42、根据样本对应的传播距离确定距离相关权重，并利用所述距离相关权重调整对应样本对有监督对比损失的贡献程度；基于所述修正相似度、所述缩放点积相似度以及所述距离相关权重计算有监督对比损失，经所述有监督对比损失优化后得到优化后的目标特征表示。

43、在一些实施例中，所述将所述优化后的目标特征表示与预建立的各类别原型进行相似度计算，根据最大相似度确定目标类别并输出识别结果，包括：

44、获取预建立的可学习类别原型矩阵；所述可学习类别原型矩阵中的每一个原型向量对应一个船舶目标类别；

45、将所述优化后的目标特征表示通过原型投影头映射至原型嵌入空间，将映射后得到的特征进行l2归一化，得到归一化后的映射特征；所述原型投影头包含层归一化和gelu激活函数；

46、计算所述归一化后的映射特征与各类别所述原型向量之间的余弦相似度；

47、将所述余弦相似度经温度缩放后作为各类别的分类对数几率；所述温度缩放所使用的温度参数为可学习的温度倒数；

48、将所有类别中所述分类对数几率最大的类别确定为目标类别，并输出识别结果。

49、为实现上述目的，本技术实施例的另一方面提出了一种基于环境特征解耦与特征约束的跨环境目标识别系统，用于实现如前面所述的方法，所述系统包括：

50、数据构造模块，用于获取目标水声信号，并对所述目标水声信号进行时频变换，提取得到初始声学特征；

51、物理增强模块，用于对所述初始声学特征进行物理一致性增强，生成多视图样本；

52、环境解耦模块，用于将所述多视图样本输入环境特征解耦模块，由所述环境特征解耦模块对所述多视图样本中的环境扰动分量进行估计并剥离，得到解耦谱；

53、特征编码模块，用于将所述解耦谱输入目标特征编码模块，由所述目标特征编码模块对所述解耦谱进行深层语义编码，得到目标特征表示；

54、特征约束优化模块，用于将所述目标特征表示输入投影头，映射得到投影特征，利用所述投影特征以及样本对应的环境元数据和类别标签构建对比损失，对所述目标特征表示进行特征空间约束优化，得到优化后的目标特征表示；

55、原型分类模块，用于将所述优化后的目标特征表示与预建立的各类别原型进行相似度计算，根据最大相似度确定目标类别并输出识别结果。

56、为实现上述目的，本技术实施例的另一方面提出了一种电子设备，所述电子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前面所述的方法。

57、为实现上述目的，本技术实施例的另一方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前面所述的方法。

58、为实现上述目的，本技术实施例的另一方面提出了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现前面所述的方法。

59、本技术实施例至少包括以下有益效果：本技术提供一种基于环境特征解耦与特征约束的跨环境目标识别方法、系统、电子设备、存储介质及程序产品,该方案包括：获取目标水声信号，并对目标水声信号进行时频变换，提取得到初始声学特征；生成多视图样本；由环境特征解耦模块对多视图样本中的环境扰动分量进行估计并剥离，得到解耦谱；得到目标特征表示；将目标特征表示输入投影头，映射得到投影特征，利用投影特征以及样本对应的环境元数据和类别标签构建对比损失，对目标特征表示进行特征空间约束优化，得到优化后的目标特征表示；将优化后的目标特征表示与预建立的各类别原型进行相似度计算，根据最大相似度确定目标类别并输出识别结果。本技术能够实现高鲁棒性的跨环境水声目标识别。