一种鱼类声学监测识别方法及系统

1.本发明属于渔业资源监测技术领域，具体涉及一种鱼类声学监测识别方法及系统。


背景技术：

2.海洋牧场是指在特定海域，通过人工鱼礁、增殖流放等措施，增殖养护渔业资源，改善海域生态环境，实现渔业资源可持续利用的一种海洋渔业生产方式，我国正大力推广海洋牧场建设。监测鱼类资源的时间和空间变化进行是海洋牧场智能化、信息化建设的重要指标，因此，为了获得牧场中不同鱼类的活动规律，有必要发展一种鱼类自动分类识别技术。
3.声学探测技术因具有速度快、可重复性高和调查区域范围大等优点，正逐渐替代传统的拖网调查手段。在声学探测中，窄带回波在瑞利散射的影响下会逐渐衰减，而宽带回波的概率密度函数在强度上变化很小，因此，声学探测中选用宽带主动声呐可以最大限度地提高声带宽，提高目标检测率，改善距离分辨率。
4.宽带渔业监测声呐是一种主动声呐，利用水声信号探测目标鱼信息，通过分析回波信息的特征可以获取目标鱼密度、尺寸及类别信息。而目前国内市场上的渔业监测声呐大多由lowrance、eagle、humming bird等国外公司设计的，国内相关厂家大多只进行简单代加工。根据国内渔业发展趋势，设计出实用性强、便携性高的渔业监测声呐迫在眉睫。
5.鱼声散射回波信号中含有目标属性、几何结构、环境噪声等大量信息，如何获得有效表征目标属性差异的特征参数对鱼种的识别效果至关重要。eric o. rogers等
1.采用中心频率为153.6khz的换能器采集三种鱼宽带回波信号，基于神经网络对信号宽带特征进行鱼种分类，但现场识别效果并不理想，分析认为仅提取宽带回波频谱特征使神经网络识别不可靠，宽带声学分析的鉴别还需要包括其他特征。haralabous j等
2.利用从检测到的鱼群信号中提取形态、水深和能量特征，将判别技术应用于沙丁鱼、凤尾鱼和马鲭鱼的识别。而kloser r j等
3.是将多频12khz、38khz和120khz声信息用于识别，通过频率的振幅混合来识别深水海山周围的主要鱼类群。国内利用主动声学对鱼种进行分类识别的研究较少，用于鱼种类识别的特征参数主要有时域质心、离散余弦变换系数、离散小波变换、walsh谱系数。


技术实现要素：

6.本发明的目的在于提供一种鱼类声学监测识别方法及设备。该方法同时提取声散射信号的频段能量分布系数和频响差异系数，将降维后的频段能量分布和频率响应差异系数重新组合成一个特征向量；以该特征向量为判别依据，使用支持向量机(svm)分类器实现了鱼类资源的自动分类评估。
7.为了实现上述目的，本发明采用的技术方案是：一种鱼类声学监测识别方法，包括以下步骤：
8.(1)将采集的不同类别活体鱼在各频段的声散射信号进行时频特征提取；
9.(2)对提取的时频特征进行降维处理，筛选出对鱼的分类贡献大的频段能量分布系数；
10.(3)计算鱼在两个不同频率下的频差系数；
11.(4)将筛选出的对鱼的分类贡献大的频段能量分布系数与频差系数组合成新的特征向量；将该特征向量输入训练好的鱼类声学分类模型进行分类。
12.优选地，所述步骤(2)具体包括：
13.将原始信号x(t)进行分解，获得频段能量特征：
[0014][0015]
其中，n表示原始信号x(t)的数据长度，k表示分解次数，m＝0,1,2,
…
,2
k-1，表示分解频段的位置序号；e(x
k，m
(t))表示第m个频段能量；t表示一个数据中的第几个数，对应时间；
[0016]
频段能量采用归一化相对能量，第m个频段能量的分布系数为：
[0017][0018]
式中，e(x(t))表示原始信号x(t)中所有频段总能量；
[0019]
采用fisher判别函数评估两个不同的鱼类别的频段能量分布系数之间的距离，fisher判别函数表示为：
[0020][0021]
其中，db为判别比，i、j为鱼的类别，μi、μj、分别为第i、j类别在频段能量分布系数上的均值和方差；分子项表示频段能量分布系数在两个类别间的整体差异；分母项代表频段能量分布系数的离散性；
[0022]
筛选出db≥3时对应的两个鱼的类别的频段能量分布系数。
[0023]
优选地，所述步骤(3)中，频差系数的计算公式为：
[0024]
δmvbs＝sv
f2-sv
f1
＝ts
f2-ts
f1
[0025]
其中，频差系数
△
mvbs为平均体积反射强度差，sv
f1
和sv
f2
分别为f1、f2频率下同一散射体积内反向体积散射强度平均值，ts
f1
和ts
f2
分别为f1、f2频率下目标强度的频率响应。
[0026]
优选地，所述的鱼类声学分类模型为支持向量机分类器，包括多个svm二值分类器，svm二值分类器的数量等于待分类的鱼的类别数。
[0027]
本发明采用宽带换能器观察待测鱼种在不同频率组合下声散射回波强度，利用相应频段内能量比例的变化表示物种在频域上的差异，选择差异最大的一组频率下鱼声散射回波目标强度差值表示该鱼种的频率响应差异；将降维后的频段能量特征与频差特征组合成一个新的特征用于鱼种判别，实现了鱼种类别的自动分类。本发明的方法，对鱼类的识别速度快，准确率高。
附图说明
[0028]
图1目标强度、频率、深度间关系示意图；
[0029]
图2本发明实施例中绳系法网箱试验示意图；
[0030]
图3本发明实施例中试验鱼示意图；
[0031]
图4(a)为本发明实施例中四种鱼目标强度分布示意图；
[0032]
图4(b)为本发明实施例中四种鱼频段能量分布示意图；图中，a：1频段； b：50频段；c：57频段；d：62频段；
[0033]
横坐标轴：1-400：斑石鲷，401-800：黑鲷，801-1200：黑头，1201-1400：鲈鱼；
[0034]
图5本发明实施例中支持向量机识别准确率示意图。
具体实施方式
[0035]
为了便于理解本发明，下面结合附图和具体实施例，对本发明进行更详细的说明。附图中给出了本发明的较佳的实施例。但是，本发明可以以许多不同的形式来实现，并不限于本说明书所描述的实施例。相反地，提供这些实施例的目的是使对本发明公开内容的理解更加透彻全面。
[0036]
实施例1为了实施本发明的方法，满足渔业资源全频段声学监测需求，本发明设计了30khz～1mhz的宽带换能器和相应的电路结构。具体介绍如下：
[0037]
(1)宽带换能器设计
[0038]
本实施例设计了中心频率为38khz、70khz、120khz、200khz、300khz、 450khz、750khz宽带换能器，将渔业资源声学监测工作频率扩展为30khz～1mhz。根据鱼类监测需求，有针对性的选择频率组合。渔业资源监测声呐的技术指标如表1所示。
[0039]
表1 渔业资源监测声呐技术指标
[0040][0041]
(2)声呐电路系统设计
[0042]
声呐电路系统采用双频设计，两个模块中采集、处理及通讯电路部分统一设计，发射电路和接收电路由选定的频率组合决定。核心板采用zynq arm+fpga 架构；电路板采用紧凑型设计，内部电路采用多层结构，功能单元相对独立，高频与低频单元分开；电路板尺寸大小为通讯方式为以太网。
[0043]
电路板从下到上依次为：
[0044]
第一层为电源，为整个系统供电，并具有隔离、电压转换等功能。
[0045]
第二层为中间模拟板，包括变压器隔离放大、储能电容、换能器前端模拟处理模块。
[0046]
第三层为接收机发射机板，板设计为6层，内部包含模拟信号收发处理模块。
[0047]
第四层为信号处理板，arm+fpga结构核心板负责数字信号处理和逻辑功能控制。
[0048]
实施例2本实施例提供的鱼类声学监测识别方法，包括以下步骤：
[0049]
(1)、鱼类声学测量装置设计与制作：鱼类声学测量装置示意图如图2所示，框架顶部设置换能器安装架，用于固定渔业资源监测声呐换能器，换能器波束朝向海底方向；框架底部设置网箱，网箱侧面开口便于活体鱼样本收放。
[0050]
(2)、样本数据获取：将活体鱼样本放入网箱后，采用全频段30khz～1mhz 渔业资源监测声呐采集活体鱼在各频段的声散射信号。在数据采集过程中，为了防止鱼游出换能器波束开角范围，采用绳系法固定方式。将鱼线系在鱼鳃上，鱼线两端分别固定于网箱两侧渔网上，使个体鱼在海水中一定范围内保持自由游动状态。调整鱼线，保证个体鱼位于换能器开角范围内。
[0051]
(3)、训练样本：
①
观察待测鱼种在不同频率组合下声散射回波强度，选择差异最大的一组频率组合做为鱼种分类训练与测试数据来源；
②
提取该频率对下所有数据，计算每时刻数据中位于网箱间信号的频段能量分布系数和活体鱼回波平均目标强度系数；
③
将频段能量分布系数用fisher判别函数进行降维，筛选出对鱼的分类贡献大的频段能量特征，并与频差系数组合成一个新的特征向量；作为分类器的输入向量。新的特征向量用c＝[c1,c2]表示，c1表示对鱼的分类贡献大的频段能量分布系数；c2表示每一种鱼在两个不同频率下的频差系数。c1、c2 具体计算过程如下：
[0052]
a.对鱼的分类贡献大的频段能量分布系数筛选
[0053]
假设原始信号x(t)的数据长度为n，则分解频段中离散信号x
k，m
(t)的数据长度缩减为2-k
n，它的频段能量可表示为：
[0054][0055]
其中n表示原始数据长度，k表示分解次数，m＝0,1,2,
…
,2
k-1，表示分解频段的位置序号；t表示一个数据中的第几个数，对应时间。
[0056]
为了方便计算，将频段能量采用归一化相对能量，第m个频段能量的分布系数为：
[0057][0058]
其中，e(x(t))表示原始信号x(t)中所有频段总能量。
[0059]
声散射信号每个频段能量所占总能量的比例(即分布系数)对鱼种分类识别的贡献不同，本发明使用fisher判别函数评估两个鱼类别的频段能量分布系数之间的距离，进而筛选出对分类贡献较大的频段能量分布系数。fisher判别函数表示为：
[0060][0061]
其中，db为判别比，i、j为鱼的类别，μi、μj、分别为第i、j类别在频段能量分布系数上的均值和方差；分子项表示频段能量分布系数在两个类别间的整体差异；分母项代表频段能量分布系数的离散性。
[0062]
b.频差系数计算：
[0063]
根据j kloser提出的简单气囊共振模型可知，同一鱼鳔半径r下，鱼的目标强度(ts)与激励中心频率和所处深度有关
3.，频率越低鱼体散射回波强度越大，如图1所示。
[0064]
目标强度ts定义为：
[0065][0066]
其中，ii为入射波强度，ir为距离个体鱼中心r米处的回声强度。
[0067]
鱼的目标强度是表征鱼类散射特性的关键参数。不同鱼种具有不同的目标响应频率，频率响应对反射体积强度成线性关系，频率响应差值可表示为：
[0068]
δmvbs＝sv
f2-sv
f1
＝ts
f2-ts
f1
[0069]
其中，
△
mvbs为平均体积反射强度差，sv
f1
和sv
f2
分别为f1、f2频率下同一散射体积内反向体积散射强度平均值，ts
f1
和ts
f2
分别为f1、f2频率下目标强度的频率响应。
[0070]
将
△
mvbs作为频差系数与筛选出对鱼的分类贡献大的频段能量分布系数组成新的特征向量c＝[c1,c2]。
[0071]
4、测试样本：
①
选用数据训练时确定的两个中心频率对自由游动鱼进行监测，监测时需保证两个换能器能同时探测到鱼的回波。
②
假设鱼回波长度为1.5 倍的脉冲宽度，分别提取两个换能器采集数据的频段能量分布情况和活体鱼回波平均目标强度。
③
采用上述方法，获得组合而成的新的特征向量c＝[c1,c2]。
[0072]
5、分类器的构建及训练、测试
[0073]
根据待识别鱼种数量构建多分类支持向量机分类器，通过构造多个两分类器，第n个svm用第n类中的训练样本做正样本，其他样本为负样本，测试时让每个训练样本都经过多个分类器。
[0074]
6、分类识别：将待测鱼类的特征向量c＝[c1,c2]输入多分类支持向量机分类器得到分类结果。
[0075]
实施例3以我国北方浅水海域中常见的四种鱼类声学识别为例，对本发明的方法进行详细阐述：
[0076]
第一步，选取斑石鲷、黑鲷、黑头、鲈鱼四种鱼类样本，鱼体照片如图3所示。选用中心频率为38khz、200khz、300khz、450khz、750khz收发一体换能器进行测试，采样频率设置为10mhz，换能器开角设置为为10
°
，活体鱼固定方式为绳系法。
[0077]
第二步，用各中心频率换能器依次对四种鱼进行探测，四种鱼在不同频率下平均目标强度如图4(a)所示。根据各频率回波强度差异，选择200khz和450khz 数据作为识别数据来源。
[0078]
第三步、提取200khz和450khz双频探测数据作为训练样本，每个类包含 400个样本，共1600个样本。对反射回波进行6层小波包分解，共64个特征量，信号采样频率为10mhz，每个频段宽度为78.125khz，训练集信号各频段能量分布如图4(b)所示。
[0079]
频段能量分布特征通过fisher判别函数进行降维，判别阈值设置为3时分类效果最佳，此时频段能量分布系数为4个。将4个频段能量分布系数和2个频率下目标强度差值(即频差系数)组合成一个新的特征向量，并将其输入支持向量机分类器进行训练。
[0080]
第四步、选用200khz和450khz两个中心频率对自由游动鱼进行监测，监测时需保证两个换能器能同时探测到鱼的回波，测试集每个类包含100个样本，共400个样本。假设鱼
回波长度为1.5倍的脉冲宽度，同时提取两个换能器每时刻数据的4个频段能量分布系数和2个活体鱼频差系数。
[0081]
第五步、构建4分类支持向量机分类器，将监测鱼类声学回波的特征向量c＝[c1,c2]输入支持向量机分类器得到识别结果，识别准确率为84.5％，其中斑石鲷为69％、黑鲷为97％、黑头为100％、鲈鱼为74％，如图5所示。
[0082]
参考文献
[0083]
[1]rogerseo,fleischergw,simpsonpk,etal.broadbandfishidentificationoflaurentiangreatlakesfishes[c]//igarss2004.2004ieeeinternationalgeoscienceandremotesensingsymposium.ieee,2004,2:1430-1434.
[0084]
[2]haralabousj,georgakarakoss.artificialneuralnetworksasatoolforspeciesidentificationoffishschools[j].icesjournalofmarinescience,1996,53(2):173-180.
[0085]
[3]kloserrj,ryant,sakovp,etal.speciesidentificationindeepwaterusingmultipleacousticfrequencies[j].canadianjournaloffisheriesandaquaticsciences,2002,59(6):1065-1077。