基于鱼侧线感知原理和深度学习的水下平动目标方向识别

鱼侧线感知原理为潜航器水下目标感知技术研究提供了一种新的思路,但由于流场模型难以准确构建,基于模型的解析方法难以准确感知水下平动目标,提出基于鱼侧线感知原理和深度学习的水下平动目标方向识别方法。通过构建偶极子源周围压力场分布模型分析鱼侧线感知目标原理,在理论上分析压力变化与偶极子源尺寸、运动参数、位置的关系,理论分析表明,流场中压力的大小与偶极子源的位置密切相关,偶极子源振动频率处的压力变化特征明显,可用于训练和识别。采用时频分析方法处理压力传感器信号并提取时频分布特征,研究表明不同平动方向产生的压力变化具有不同的时频分布特征。提出利用卷积神经网络训练压力传感器信号,进而识别水下平动目标方向。在十字形传感器阵列及试验平台上开展试验验证,试验结果表明水下平动目标方向综合识别准确率在80%以上。在无需准确建立流场模型的情况下,通过深度学习可较准确识别水下平动目标,为潜航器水下目标感知提供了一种新的技术途径。