一种多波束扫测中基于模式识别的信号净化方法及系统与流程

本申请涉及水下地形测绘，具体而言，涉及一种多波束扫测中基于模式识别的信号净化方法及系统。

背景技术：

1、在复杂水下地形的多波束声呐扫测作业中，为消除波束间干扰与环境噪声造成的信号畸变与伪影，现有技术通常采用基于模式识别的信号净化方法。多波束声呐实时接收回波信号后，信号处理单元运行模式识别算法，对每个信号片段提取特征并进行分类，输出一个表示该片段属于有效地形回波的置信度，随后通过预设的全局固定阈值进行二值化判决，决定信号的保留或剔除。然而，当扫测船行驶至沙质海底与隆起基岩的交界处等复杂地形过渡带时，来自不同底质的回波在时间和空间上出现重叠，地形突变引发的绕射干扰与基岩强回波侧峰相互混合，使得模式识别分类器输出的分类置信度不再呈现明显的两极分化，而是围绕预设阈值密集且不稳定地波动。现有的全局固定阈值决策机制缺乏对局部信号叠加程度的细粒度感知与调节能力，无法精细处理这种置信度的微小波动，导致部分信噪比略低的有效地形回波因置信度微弱下滑而被错误滤除，同时部分能量较强的干扰信号因置信度微弱上升而被保留为伪影。这使得净化后的数据在地形过渡带出现信息断裂与虚假起伏，严重影响后续三维地形建模的准确性和完整性。

技术实现思路

1、本申请提供了一种多波束扫测中基于模式识别的信号净化方法及系统，旨在解决现有技术中因全局固定阈值决策机制缺乏细粒度感知能力，导致复杂地形过渡带信号置信度模糊波动引发的有效回波误删与干扰伪影保留，进而造成地形建模信息断裂与虚假起伏的问题。

2、一方面，本申请提供一种多波束扫测中基于模式识别的信号净化方法，包括：

3、采集多波束声呐的回波信号，对回波信号的每个采样点进行模式识别处理，得到各采样点的分类置信度，将各采样点的分类置信度绑定采样点时空信息构建基础数据帧；

4、基于所述基础数据帧计算局部混叠指数，识别地形交界高混叠过渡区域，将该区域的采样点划分为易失真的边界置信度样本与稳定可靠的局部稳定样本；

5、以所述局部稳定样本为基准，对所述边界置信度样本开展邻域拓扑校验与自适应拟合，计算空间维度的几何偏离度，同步计算波形维度的波形相似度与侧峰模型匹配度，融合三类特征构建关联特征向量；

6、根据所述关联特征向量判别边界置信度样本的置信度偏移成因，修正有效回波、剔除干扰伪影，针对临界无法即时判定的样本，结合多帧时序数据拟合宏观三维包络曲面，通过二次收敛校验完成滞后判别，确定所有样本的最终取舍状态；

7、基于处理后的样本构建三维点云，修复点云拓扑异常得到净化样本，生成多维净化结果数据包，依托多维净化结果数据包完成加权网格化建模，实现高保真水下三维地形重建。

8、另一方面，本申请提供一种多波束扫测中基于模式识别的信号净化系统，该系统包括：

9、数据预处理模块，用于采集多波束声呐的回波信号，对回波信号的每个采样点进行模式识别处理，得到各采样点的分类置信度，将各采样点的分类置信度绑定采样点时空信息构建基础数据帧；

10、局部混叠指数生成模块，用于基于所述基础数据帧计算局部混叠指数，识别地形交界高混叠过渡区域，将该区域的采样点划分为易失真的边界置信度样本与稳定可靠的局部稳定样本；

11、特征拟合校验模块，用于以所述局部稳定样本为基准，对所述边界置信度样本开展邻域拓扑校验与自适应拟合，计算空间维度的几何偏离度，同步计算波形维度的波形相似度与侧峰模型匹配度，融合三类特征构建关联特征向量；

12、样本差异化判定模块，用于根据所述关联特征向量判别边界置信度样本的置信度偏移成因，修正有效回波、剔除干扰伪影，针对临界无法即时判定的样本，结合多帧时序数据拟合宏观三维包络曲面，通过二次收敛校验完成滞后判别，确定所有样本的最终取舍状态；

13、地形建模输出模块，用于基于处理后的样本构建三维点云，修复点云拓扑异常得到净化样本，生成多维净化结果数据包，依托多维净化结果数据包完成加权网格化建模，实现高保真水下三维地形重建。

14、有益效果

15、本申请通过引入局部混叠指数，能够定量识别复杂地形过渡带的信号重叠区域；通过结合空间维度的几何偏离度、波形维度的相似度以及侧峰模型匹配度，构建关联特征向量，实现了对边界样本置信度的多维精细化校验；特别是在临界样本的判定上，通过结合多帧时序数据进行宏观三维包络曲面拟合与二次收敛校验，彻底解决了因固定阈值波动引发的有效回波误删与伪影保留问题，显著提高了水下地形重建的准确性与完整性。

1.一种多波束扫测中基于模式识别的信号净化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的多波束扫测中基于模式识别的信号净化方法，其特征在于，所述采样点时空信息包括采样点三维空间坐标、波束编号、扫测时间戳、波束俯仰角度、航迹位置及实时测距参数。

3.根据权利要求2所述的多波束扫测中基于模式识别的信号净化方法，其特征在于，所述模式识别处理采用预训练的机器学习分类模型，依据从回波信号中提取的多维回波特征实现采样点真伪判别；所述机器学习分类模型为支持向量机模型或随机森林分类模型，模型输出0-1区间的数值，作为表征采样点有效回波可信程度的分类置信度；所述多维回波特征包括回波峰值能量、脉冲宽度、波形斜率、波形偏度、波形峰度、频谱能量质心、相邻波束能量比值。

4.根据权利要求2所述的多波束扫测中基于模式识别的信号净化方法，其特征在于，所述局部混叠指数通过提取三维空间滑动分析窗口内采样点的置信度空间信息熵、置信度统计方差、回波能量场空间梯度三类参数，经归一化加权融合计算得到。

5.根据权利要求1所述的多波束扫测中基于模式识别的信号净化方法，其特征在于，所述以所述局部稳定样本为基准，对所述边界置信度样本开展邻域拓扑校验与自适应拟合，计算空间维度的几何偏离度的步骤包括：

6.根据权利要求5所述的多波束扫测中基于模式识别的信号净化方法，其特征在于，所述波形相似度与侧峰模型匹配度为边界置信度样本真伪判别核心参数，所述波形相似度为边界置信度样本与邻域内局部稳定样本回波包络的滑动互相关峰值，表征回波波形一致性；所述侧峰模型匹配度通过比对边界置信度样本与邻近基底强回波的空间角度差、能量差值，结合声呐阵列旁瓣角度与能量衰减理论规律匹配计算，表征样本为旁瓣干扰伪影的概率。

7.根据权利要求6所述的多波束扫测中基于模式识别的信号净化方法，其特征在于，所述根据所述关联特征向量判别边界置信度样本的置信度偏移成因，修正有效回波、剔除干扰伪影，针对临界无法即时判定的样本，结合多帧时序数据拟合宏观三维包络曲面，通过二次收敛校验完成滞后判别，确定所有样本的最终取舍状态的步骤包括：

8.根据权利要求7所述的多波束扫测中基于模式识别的信号净化方法，其特征在于，所述基于处理后的样本构建三维点云，修复点云拓扑异常得到净化样本，生成多维净化结果数据包的步骤包括：

9.根据权利要求8所述的多波束扫测中基于模式识别的信号净化方法，其特征在于，所述依托多维净化结果数据包完成加权网格化建模，实现高保真水下三维地形重建的步骤包括：

10.一种多波束扫测中基于模式识别的信号净化系统，其特征在于，该系统包括：