一种基于小波包和双谱的鱼类识别方法及系统

摘要

本发明涉及了一种基于小波包和双谱的鱼类识别方法及系统，所述方法具体包含：步骤101)向水下鱼体发射声信号，并获取水下鱼体反向散射的回波信号；步骤102)对采集到的鱼体回波数据进行滤波和幅度归一化预处理，对预处理后的信号的进行频谱分析，获取信号能量相对集中的频谱范围，构成目标频谱域；步骤103)对预处理后的回波信号进行特征提取，具体方法如下：对预处理后的回波信号进行小波包分解得到各个节点小波包的系数；对目标频谱域的节点小波包系数进行子带能量特征提取或对依据目标频谱域的节点小波包系数重构得到的时域信号进行子带能量特征提取，并将提取的子带能量特征作为特征量；步骤104)将特征量输入分类器进行分类识别。

权利要求

1.一种基于小波包和双谱的鱼类识别方法，该方法是一种基于主动声学方法的识别策略，所述方法具体包含：步骤101)向水下鱼体发射声信号，并获取水下鱼体反向散射的回波信号；

步骤102)对采集到的鱼体回波数据进行滤波和幅度归一化预处理，对预处理后的信号的进行频谱分析，获取信号能量相对集中的频谱范围，构成目标频谱域；

步骤103)对预处理后的回波信号进行特征提取，具体方法如下子步骤：步骤103-1)对预处理后的回波信号进行小波包分解得到各个节点小波包的系数；

步骤103-2)对目标频谱域的节点小波包系数进行子带能量特征提取，或对依据目标频谱域的节点小波包系数重构得到的时域信号再对重构得到的时域信号进行双谱分析，提取双谱特征，并将该双谱特征与所述子带能量特征组合作为特征量；

其中，对重构后的鱼体回波包络信号提取双谱对角切片和反对角切片的最大值作为双谱特征量；

步骤104)将特征量输入分类器进行分类处理，完成对水下鱼体的种类识别。

2.根据权利要求1所述的基于小波包和双谱的鱼类识别方法，其特征在于，所述步骤

103-1)小波包多尺度分解为：让预处理后的回波信号通过高低通组合滤波器组，同时进行二次抽样，从而把预处理后的鱼体回波信号分解成高、低频两部分，接着对高低频部分分别进行同样的分解，依此类推，经过若干次上述分解和抽样直到满足需要为止；

其中，分解的次数根据预处理后的回波信号的带宽和采样率取得。

3.根据权利要求1所述的基于小波包和双谱的鱼类识别方法，其特征在于，所述双谱特征量为：从目标频谱域的节点小波包系数重构得到的时域信号中提取双谱对角切片和反对角切片的最大值。

4.根据权利要求1所述的基于小波包和双谱的鱼类识别方法，其特征在于，所述小波包多尺度分解次数为3到9。

5.一种基于小波包和双谱的鱼类识别系统，该系统包含：用于向水下鱼体发射声源信号的发射端子系统和用于对水下鱼体类比进行识别的接收端子系统，且所述接收端子系统进一步包含：鱼体的回波信号获取模块和分类器，其特征在于，所述接收端子系统还包含：预处理模块，用于对采集到的鱼体回波数据进行滤波和幅度归一化预处理；

特征提取模块，用于对预处理后的回波信号进行特征提取，具体方法为：对预处理后的回波信号进行小波包分解得到各个节点小波包的系数；对目标频谱域的节点小波包系数进行子带能量特征提取或对依据目标频谱域的节点小波包系数重构得到的时域信号进行子带能量特征提取，并将提取的子带能量特征作为特征量；和分类模块，用于将特征提取模块输出的特征向量输入训练器和分类器进行鱼体的种类识别；

其中，所述特征提取模块还对目标频谱域的节点小波包系数重构得到的时域信号进行双谱分析，提取双谱特征，并将该双谱特征与所述子带能量特征组合作为特征量。

6.根据权利要求5所述的基于小波包和双谱的鱼类识别系统，其特征在于，所述特征提取模块进一步包含如下子模块：小波包多尺度分解子模块，用于对预处理后的鱼体回波信号进行小波包多尺度分解，得到小波包系数；

重构子模块，用于对目标频谱域的小波包系数进行重构，得到各个频带内的时域信号；

和

子带能量特征提取子模块，用于从重构模块输出的时域信号中提取子带能量特征，并将其作为特征量。

7.根据权利要求6所述的基于小波包和双谱的鱼类识别系统，其特征在于，所述特征提取模块还包含双谱特征量提取子模块，该子模块用于从重构模块输出的时域信号中提取双谱特征量，并将其与所述子带能量特征组合作为特征量。

8.根据权利要求5所述的基于小波包和双谱的鱼类识别系统，其特征在于，所述发射端子系统能够采用窄带换能器向水下鱼体发射声信号。

说明书

一种基于小波包和双谱的鱼类识别方法及系统

技术领域

[0001] 本发明涉及基于声学方法的鱼类识别技术，特别涉及一种基于小波包和双谱的鱼类识别方法及系统。

背景技术

[0002] 随着人类对海洋资源需求的日益增加，海洋渔业资源开发越来越受到重视。渔业资源调查和评估工作是合理开发海洋渔业资源的重要基础，这就迫切地需要具备对鱼的种类进行快速识别的能力。

[0003] 传统的鱼类资源调查方法主要是以拖网捕捞法为主，与传统的拖网捕捞识别等方法相比，声学方法具有快速方便、不损坏生物资源以及可持续观测等优点。因此，近些年来国外相关研究机构大力发展基于声学方法的鱼类识别技术。

[0004] 其中，国外声学方法的鱼类识别技术包含：Alexander B.Kulinchenko等人使用绳系法对太平洋大比目鱼和岩鱼进行了试验，并利用回波包络和统计频谱特征两种方法成功对大比目鱼、岩鱼、海底进行了分类，但是这种方法由于直接对鱼体的回波包络信号进行降采样后作为特征向量，未能找出反映目标本质的特征量，特征维数很高，冗余较大，给分类器带来很大负担。Harold M.Brundage III和Jae-Byung Jung利用统计频谱的方法从底层鱼类中识别出短鼻鲟鱼。Eric O.Rogers等人利用统计频谱的方法成功对鲱鱼、亚洲胡瓜鱼和鲑鱼进行了识别。上述鱼类识别技术均基于统计频谱的方法，因此需要具有很宽频带的换能器作为发射源，对设备要求较高。此外，Sunardi等人通过回声探测仪测定了两种不同的竹荚鱼在两种频率下的目标强度，成功对鱼的种类进行了分类。但是这种方法利用鱼体在两种频率下的目标强度为识别量，而鱼体目标强度与鱼体的姿态、鱼鳔的大小、形状等因素有关，仅选用两个频点下目标强度作为特征量，特征不稳定，使用局限性较大。总之，人们已通过多种方法来进行鱼类识别，然而鱼体的回波信号非常复杂，现有识别方法未能找出能反映目标本质的特征，使得特征维数高，冗余大，分类识别效果往往不能令人满意。而在国内，基于声学方法的鱼类识别技术的研究目前尚处于起步阶段。

发明内容

[0005] 本发明的目的在于，为克服现有技术对鱼体回波信号进行特征提取，导致获取的回波信号的特征维数高，冗余大，分类识别效果往往不能令人满意等问题，从而提供一种基于小波包和双谱的鱼类识别方法及系统。

[0006] 为实现上述目的，本发明提供了一种基于小波包和双谱的鱼类识别方法，该方法是一种基于主动声学方法的识别策略，所述方法具体包含：

[0007] 步骤101)向水下鱼体发射声信号，并获取水下鱼体反向散射的回波信号；

[0008] 步骤102)对采集到的鱼体回波数据进行滤波和幅度归一化预处理，对预处理后的信号的进行频谱分析，获取信号能量相对集中的频谱范围，构成目标频谱域；

[0009] 步骤103)对预处理后的回波信号进行特征提取，具体方法如下子步骤：步骤103-1)对预处理后的回波信号进行小波包分解得到各个节点小波包的系数；

[0010] 步骤103-2)对目标频谱域的节点小波包系数进行子带能量特征提取或对依据目标频谱域的节点小波包系数重构得到的时域信号进行子带能量特征提取，并将提取的子带能量特征作为特征量；

[0011] 步骤104)将特征量输入分类器进行分类处理，完成对水下鱼体的种类识别。

[0012] 优化的，所述步骤103-2)还包含对目标频谱域的节点小波包系数重构得到的时域信号进行双谱分析，提取双谱特征，并将该双谱特征与所述子带能量特征组合作为特征量。

[0013] 上述技术方案中，所述步骤103-1)小波包多尺度分解为：让预处理后的回波信号通过高低通组合滤波器组，同时进行二次抽样，从而把预处理后的鱼体回波信号分解成高、低频两部分，接着对高低频部分分别进行同样的分解，依此类推，经过若干次上述分解和抽样直到满足需要为止；

[0014] 其中，分解的次数根据预处理后的回波信号的带宽和采样率取得。

[0015] 可选的，所述双谱特征量为：从目标频谱域的节点小波包系数重构得到的时域信号中提取双谱对角切片和反对角切片的最大值。

[0016] 上述技术方案中，所述小波包多尺度分解次数为3到9。

[0017] 基于上述方法本发明提供了一种基于小波包和双谱的鱼类识别系统，该系统包含：用于向水下鱼体发射声源信号的发射端子系统和用于对水下鱼体类比进行识别的接收端子系统，且所述接收端子系统进一步包含：鱼体的回波信号获取模块，分类器，其特征在于，所述接收端子系统还包含：

[0018] 预处理模块，用于对采集到的鱼体回波数据进行滤波和幅度归一化预处理；

[0019] 特征提取模块，用于对预处理后的回波信号进行特征提取，具体方法为：对预处理后的回波信号进行小波包分解得到各个节点小波包的系数；对目标频谱域的节点小波包系数进行子带能量特征提取或对依据目标频谱域的节点小波包系数重构得到的时域信号进行子带能量特征提取，并将提取的子带能量特征作为特征量；和

[0020] 分类模块，用于将特征提取模块输出的特征向量输入训练器和分类器进行鱼体的种类识别。

[0021] 优化的，所述特征提取模块还对目标频谱域的节点小波包系数重构得到的时域信号进行双谱分析，提取双谱特征，并将该双谱特征与所述子带能量特征组合作为特征量。

[0022] 上述技术方案中，所述特征提取模块进一步包含如下子模块：

[0023] 小波包多尺度分解子模块，用于对预处理后的鱼体回波信号进行小波包多尺度分解，得到小波包系数；

[0024] 重构子模块，用于对目标频谱域的小波包系数进行重构，得到各个频带内的时域信号；和

[0025] 子带能量特征提取子模块，用于从重构模块输出的时域信号中提取子带能量特征，并将其作为特征量。

[0026] 优化的，所述特征提取模块还包含双谱特征量提取子模块，该子模块用于从重构模块输出的时域信号中提取双谱特征量，并将其与所述子带能量特征组合作为特征量。

[0027] 从节约成本的角度考虑，本发明所述发射端子系统能够采用窄带换能器向水下鱼体发射声信号。

[0028] 与现有技术相比，本发明的技术优势在于：

[0029] (1)所需的数据源是利用窄带换能器作为发射源得到的回波数据，对设备的成本要求低；

[0030] (2)所提取的子带能量特征及双谱特征表征了鱼体回波信号在不同频带内的能量分布特性，能反映出目标的本质属性；

[0031] (3)特征维数少，冗余少，可实现快速准确分类。

[0032] 总之本发明的技术方案利用简单设备，降低设备成本，同时提取鱼体回波信号中能反映鱼体特性的特征量，从而可以降低特征维数，减少特征冗余，最终实现对鱼的种类进行快速准确的识别。

附图说明

[0033] 图1本发明的基于小波包和双谱的鱼类识别方法的流程图；

[0034] 图2是三层小波包分解示意图；

[0035] 图3是本发明的双谱对称区域示意图。

具体实施方式

[0036] 下面结合附图及具体实施例对本发明作进一步的描述。

[0037] 小波包分解是在小波分解的基础上发展起来的，它们之间既相互联系又有所区别。小波分解只对低频进行分解，而没有对高频进行分解，因此高频段的分辨率比较低，从而使小波分解的应用受到一定限制。小波包分解对信号进行更细致的频率划分，对信号的低频和高频成分同时进行分解，实现了对信号频带的均匀划分，具有更好的时频特性。小波包的完整性和正交性使原始信号的信息得到完整保留。图2是对信号进行3层小波包分解的示意图，从图中可以看出小波包分解对信号的高频部分(即D1、AD等)进行了进一步的分解。

[0038] 由于目标回波是目标的散射声波和混响等的叠加，其波形结构主要取决于目标的材料、几何尺寸和结构。不同形状的目标，其各个部分对回波能量的贡献是有差异的，因此回波信号具有不同的能量分布特性。小波包分解具有优异的时频分辨特性，可描述信号能量在时间-频率坐标系中的分配，从而能较好的反映信号的特征。本发明对鱼体回波包络信号进行小波包分解，提取各个频带内的能量作为特征量，所提取特征量能较好的反映鱼体的特征，且特征维数少，可实现快速分类。

[0039] 本发明还提供一种基于小波包和双谱的鱼类识别方法，该方法是一种基于主动声学方法的识别策略，所述方法具体包含：

[0040] 步骤101)向水下鱼体发射声信号，并获取水下鱼体反向散射的回波信号。

[0041] 上述向水下鱼体发射声源信号所采用的发射源既可以是宽带发射源也可以是窄带发射源，但从节约成本的角度考虑，建议使用窄带发射源。

[0042] 步骤102)对采集到的鱼体回波数据进行滤波和幅度归一化预处理，对预处理后的信号的进行频谱分析，获取信号能量相对集中的频谱范围，构成目标频谱域；

[0043] 步骤103)对预处理后的回波信号进行特征提取，具体方法如下子步骤：

[0044] 步骤103-1)对预处理后的回波信号进行小波包分解得到各个节点小波包的系数；

[0045] 步骤103-2)对目标频谱域的节点小波包系数进行子带能量特征提取或对依据目标频谱域的节点小波包系数重构得到的时域信号进行子带能量特征提取，并将提取的子带能量特征作为特征量；

[0046] 上述子带能量特征的提取分析如下：

[0047] 1.1 小波包子带能量特征的提取

[0048] 小波包分解是在小波分解的基础上发展起来的，它对信号的低频和高频成分同时进行分解，实现了对信号频带的均匀划分，具有更好的时频特性。小波包的完整性和正交性使原始信号的信息得到完整保留。图2是对信号进行3层小波包分解的示意图。

[0049] 对鱼体回波信号进行小波包多尺度分解：

[0050]

[0051] 其中，h和g是一组共轭数字滤波器的冲击响应函数，所述的h和g需必须满足如下条件：

[0052]

[0053] 所述 表示分解尺度为j时，第n个频带的第l个小波包系数，j表示小波包分解的层数，n表示频带编号，l表示点数； 即为鱼体回波信号；

[0054] 采用如下公式对小波包系数 进行重构获取各个频带的时域信号：

[0055]

[0056] 其中， 是尺度j下第n个频带的小波基函数，它满足以下双尺度方程[0057]

[0058] 其中，k为平移量。

[0059] 则，每个频带的能量可表示为

[0060]

[0061] 这些能量可以构造特征向量如下： 为了识别的方便，可以对特征向量T进行归一化处理，即Ej，k′＝Ej，k/E，其中E为信号总能量。则是归一化能量特征组成的特征向量，代表了鱼体回波信号在不
同频带内的能量分布特性。

[0062] 作为上述技术方案的优化，所述步骤103-2)还包含对目标频谱域的节点小波包系数重构得到的时域信号进行双谱分析，提取双谱特征，并将该双谱特征与所述子带能量特征组合作为特征量。

[0063] 上述双谱特征提取具体描述如下：

[0064] 1.2 双谱特征的提取

[0065] 高阶谱是一种处理非线性非高斯信号的有力工具，它可以抑制高斯噪声，并能够得到信号相位、能量和非线性等信息。高阶谱中，双谱的阶数是最低的，处理方法最简单，同时它又包含高阶谱的所有特性。双谱可以认为是信号歪度在频域的分解，而且表征了信号偏离高斯分布的程度。通过把小波包能量谱和双谱结合起来，能够从多方面提取鱼体回波信号的特征信息。

[0066] 设x(t)为一零均值三阶平稳随即过程，则定义x(t)的三阶累积量为：

[0067] C3，x(τ1，τ2)＝E[x(t)x(t+τ1)x(t+τ2)] (4)

[0068] 三阶累计量的傅里叶变换即为双谱：

[0069]

[0070] 双谱具有如下对称性质：

[0071] B(ω1，ω2)＝B(ω2，ω1)＝B*(-ω1，-ω2)

[0072] ＝B*(-ω2，-ω1)＝B(-ω1-ω2，ω2) (6)[0073] ＝B(ω1，-ω1-ω2)＝B(-ω1-ω2，ω1)

[0074] ＝B(ω2，-ω1-ω2)

[0075] 根据上述公式得到的双谱对称区域如图3所示，从图3结构可以看出，双谱定义区域被分成12个三角区，且具有对称性；因此，只要知道三角区ω2≥0，ω1≥ω2，ω1+ω2≤π内的双谱，就能够描述所有的双谱。

[0076] 由于双谱是二维函数，计算量很大，不适合数据的实时分析。在应用中，常采用双谱的某种一维切片来分析信号的特性，较常用的双谱切片为双谱对角切片和反对角切片。本发明对重构后的鱼体回波包络信号提取双谱对角切片和反对角切片的最大值作为双谱特征量。即令公式(5)中，ω1＝-ω2，则得到双谱对角切片；令ω1＝ω2，则得到双谱反对角切片。然后分别求取两个切片的最大值作为双谱特征量。

[0077] 将小波包子带能量特征和双谱特征进行组合，接下来，就可以利用常规的分类器进行训练和分类识别了。

[0078] 步骤104)将特征量输入分类器进行分类处理，完成对水下鱼体的种类识别。

[0079] 该步骤采用分类器依据提取的反应待测鱼体特征的特征量组对水下鱼体进行分类识别。所述的分类器可以选取BP神经网络分类器进行分类，此分类方法是有监督的分类方法，即：事先知道训练样本所属类别，然后按照指定类别对分类器进行训练。具体到本方案，需要先对大量已知种类的鱼体回波信号按照步骤101)-103)完成样本特征量的提取，将这些特征量作为训练样本特征量送入BP神经网络分类器，进而对分类器进行训练，使分类器最终能够完成对已知种类的鱼体回波信号进行归类。训练完成后，保存分类器。对未知的水下目标回波完成步骤101)-103)，得到未知目标的特征量，并将特征量送入训练好的分类器中进行分类，完成对水下鱼体的种类识别。

[0080] 如图1所示，为了使本发明达到最优的技术效果，本发明的基于小波包和双谱的鱼类识别具体步骤描述如下：

[0081] 步骤101)向水下鱼体发射声信号，并获取水下鱼体反向散射的回波信号；

[0082] 步骤102)对采集到的鱼体回波数据进行滤波和幅度归一化预处理，对预处理后的信号的进行频谱分析，获取信号能量相对集中的频谱范围，构成目标频谱域；

[0083] 步骤103)对预处理后的回波信号进行特征提取，具体方法如下子步骤：

[0084] 步骤103-1)对预处理后的回波信号进行小波包分解得到各个节点小波包的系数；

[0085] 步骤103-2)对目标频谱域的节点小波包系数进行子带能量特征提取，同时再对目标频谱域的节点小波包系数重构得到的时域信号进行双谱分析，提取双谱特征，并将双谱特征与子带能量特征组合作为特征量；

[0086] 步骤104)将特征量输入分类器进行分类处理，完成对水下鱼体的种类识别。

[0087] 基于上述方法，本发明还提供了一种基于小波包和双谱的鱼类识别系统，该系统包含：用于向水下鱼体发射声源信号的发射端子系统和用于对水下鱼体类比进行识别的接收端子系统，且所述接收端子系统进一步包含：鱼体的回波信号获取模块，分类器，其特征在于，所述接收端子系统还包含：

[0088] 预处理模块，用于对采集到的鱼体回波数据进行滤波和幅度归一化预处理；

[0089] 特征提取模块，用于对预处理后的回波信号进行特征提取，具体方法为：对预处理后的回波信号进行小波包分解得到各个节点小波包的系数；对目标频谱域的节点小波包系数进行子带能量特征提取或对依据目标频谱域的节点小波包系数重构得到的时域信号进行子带能量特征提取，并将提取的子带能量特征作为特征量；和

[0090] 分类模块，用于将特征提取模块输出的特征向量输入训练器和分类器进行鱼体的种类识别。

[0091] 优化的，所述特征提取模块还对目标频谱域的节点小波包系数重构得到的时域信号进行双谱分析，提取双谱特征，并将该双谱特征与所述子带能量特征组合作为特征量。

[0092] 上述技术方案中，所述特征提取模块进一步包含如下子模块：

[0093] 小波包多尺度分解子模块，用于对预处理后的鱼体回波信号进行小波包多尺度分解，得到小波包系数；

[0094] 重构子模块，用于对目标频谱域的小波包系数进行重构，得到各个频带内的时域信号；和

[0095] 子带能量特征提取子模块，用于从重构模块输出的时域信号中提取子带能量特征，并将其作为特征量。

[0096] 优化的，所述特征提取模块还包含双谱特征量提取子模块，该子模块用于从重构模块输出的时域信号中提取双谱特征量，并将其与所述子带能量特征组合作为特征量。

[0097] 此外，为了节约成本，本发明所述发射端子系统能够采用窄带换能器向水下鱼体发射声信号。

[0098] 需要说明的是，以上介绍的本发明的实施方案而并非限制。本领域的技术人员应当理解，任何对本发明技术方案的修改或者等同替代都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围内。