王永賢 司紀(jì)鋒 王耀賓 劉偉濤 慈國(guó)慶 王志民 徐小亮

(中國(guó)科學(xué)院聲學(xué)研究所北海研究站 青島 266114)

0 引言

隨著現(xiàn)代化海洋牧場(chǎng)建設(shè)的推進(jìn)，魚(yú)類資源的時(shí)間和空間變化動(dòng)態(tài)監(jiān)測(cè)需求日益迫切[1]?；诼晫W(xué)的魚(yú)種分類識(shí)別技術(shù)因其速度快、探測(cè)范圍廣等優(yōu)點(diǎn)，逐漸成為牧場(chǎng)魚(yú)類資源監(jiān)測(cè)與管理的重要手段。該技術(shù)的核心在于聲散射特征的提取及分析，其特征參數(shù)的選擇直接影響識(shí)別的速度與準(zhǔn)確性。因此，有必要對(duì)魚(yú)聲散射信號(hào)的特征提取及融合方法進(jìn)行深入研究。

當(dāng)發(fā)射的聲波傳播至目標(biāo)處時(shí)，目標(biāo)會(huì)將部分入射聲能轉(zhuǎn)化為散射聲能并向四周輻射，散射聲波的特性與目標(biāo)的物理屬性和結(jié)構(gòu)形狀有關(guān)[2]。魚(yú)的聲散射特性是由魚(yú)組織器官的聲阻抗與水的聲阻抗存在差異所決定的。對(duì)于有鰾魚(yú)種，影響聲散射的因素主要是魚(yú)本身的種類、魚(yú)鰾、體長(zhǎng)以及形狀[3]。另外，魚(yú)在不同發(fā)射聲波頻率和入射角度設(shè)定下，其散射特性也不同。

魚(yú)聲散射信號(hào)中含有大量魚(yú)種固有屬性信息，一部分研究人員通過(guò)分析信號(hào)的時(shí)頻域統(tǒng)計(jì)特征實(shí)現(xiàn)魚(yú)類識(shí)別。例如：許楓團(tuán)隊(duì)[4-5]將聲散射信號(hào)的時(shí)域質(zhì)心和Walsh 譜作為魚(yú)類識(shí)別特征量，使用BP 神經(jīng)網(wǎng)絡(luò)分類器實(shí)現(xiàn)了3 種魚(yú)的分類。杜偉東等[6]將信號(hào)的小波包系數(shù)奇異值、時(shí)域質(zhì)心和離散余弦變換系數(shù)特征進(jìn)行融合，支持向量機(jī)(Support vector machine，SVM)分類準(zhǔn)確率達(dá)92%。Brundage 等[7]則通過(guò)分析信號(hào)的歸一化頻率響應(yīng)譜實(shí)現(xiàn)了底層魚(yú)類的識(shí)別。另一部分研究人員將接收到的多頻聲數(shù)據(jù)進(jìn)行處理，依據(jù)頻響差異判別魚(yú)種類。例如：Sunardi 等[8]通過(guò)歸納38 kHz 和120 kHz 聲吶接收信號(hào)的目標(biāo)強(qiáng)度(Target strength,TS)，從底層魚(yú)類中識(shí)別出牛眼凹肩鯵(Selar boops)和鰱(Hypophthalmichthys molitrix)。

海洋中大多數(shù)魚(yú)類喜歡群居，魚(yú)群主要是由同種類的魚(yú)組成。受水深和換能器開(kāi)角影響，聲吶難以保證同時(shí)探測(cè)到整個(gè)魚(yú)群的聲散射信號(hào)，所接收到的大多是單條魚(yú)和多條魚(yú)重疊的聲散射信號(hào)。因此，本文將研究重點(diǎn)放在不同種類間個(gè)體魚(yú)聲散射特征差異上，通過(guò)建立魚(yú)聲散射特征數(shù)據(jù)庫(kù)，達(dá)到對(duì)目標(biāo)魚(yú)種聲散射信號(hào)的分類識(shí)別目的。本文以近岸4 種經(jīng)濟(jì)魚(yú)類為研究對(duì)象，通過(guò)繩系法實(shí)驗(yàn)研究了魚(yú)聲散射信號(hào)的特征提取及融合方法，以期為實(shí)際漁業(yè)資源分類評(píng)估工作提供技術(shù)支撐。

1 魚(yú)聲散射信號(hào)特征

不同魚(yú)種的外部形態(tài)各異，即使外部形態(tài)相似，其生理結(jié)構(gòu)也會(huì)有所差別。為了解決魚(yú)種的分類識(shí)別問(wèn)題，本文嘗試從魚(yú)的頻率響應(yīng)特性和魚(yú)聲散射信號(hào)的時(shí)頻域信息中提取能較好表征魚(yú)種間差異的聲學(xué)參數(shù)。

1.1 頻率響應(yīng)差異

TS是反映目標(biāo)反射聲波強(qiáng)弱的物理量，魚(yú)類的TS 是應(yīng)用水聲學(xué)方法對(duì)漁業(yè)資源評(píng)估的重要參數(shù)，影響魚(yú)類TS 的主要的因素是魚(yú)鰾、體長(zhǎng)、換能器頻率和姿態(tài)角。

魚(yú)類TS一般定義為[9]

式(1)中，σbs為魚(yú)的后向散射截面(即魚(yú)體對(duì)入射聲波產(chǎn)生散射的等效面積)，單位為m2。在遠(yuǎn)場(chǎng)條件下，魚(yú)的后向散射截面等于魚(yú)鰾散射截面和魚(yú)體散射截面的疊加。

實(shí)驗(yàn)中魚(yú)探儀直接測(cè)量的是反射電壓值，經(jīng)標(biāo)準(zhǔn)球校準(zhǔn)的魚(yú)體TS計(jì)算公式為

式(2)中，Vf為魚(yú)體的反射電壓值，Vb為標(biāo)準(zhǔn)球的反射電壓值，TSb為標(biāo)準(zhǔn)球的TS，TSb=10 lg(r2/4)，r為標(biāo)準(zhǔn)球的半徑，r=11.5×10-3m。

頻率響應(yīng)特性是指系統(tǒng)信號(hào)的振幅和相位受頻率變化而變化的特性，同種魚(yú)在行為和生理學(xué)特征上具有相似性，頻率響應(yīng)特性能一定程度上反映該種魚(yú)的固有屬性，文中用不同頻率下魚(yú)的TS 差值ΔTS表征魚(yú)的頻率響應(yīng)差異。

式(3)中，TSf1和TSf2分別為f1、f2 頻率下魚(yú)的TS。

1.2 時(shí)頻特征

時(shí)域質(zhì)心是一種描述信號(hào)在時(shí)間上集中程度的指標(biāo)，可以反映魚(yú)聲散射信號(hào)在時(shí)間軸上的能量分布特性。時(shí)域質(zhì)心的計(jì)算公式為[4]

式(4)中，T為信號(hào)長(zhǎng)度，x(t)為信號(hào)在t時(shí)刻的幅值。

假設(shè)目標(biāo)回波的時(shí)間跨度為[0,T]，通過(guò)計(jì)算整個(gè)目標(biāo)回波的質(zhì)心C11，得到第二層的兩個(gè)時(shí)間段[0,C11]和[C11,T]；分別對(duì)第二層兩個(gè)時(shí)間段計(jì)算質(zhì)心C21和C22，得到第三層3 個(gè)時(shí)間段[0,C21]、[C21,C22]、[C22,T]；以此類推，完成對(duì)信號(hào)能量集中區(qū)的精細(xì)劃分。時(shí)域質(zhì)心分段示意圖如圖1所示。

圖1 時(shí)域質(zhì)心分段示意圖Fig.1 Time domain centroid segment diagram

小波包分解技術(shù)是將信號(hào)無(wú)冗余、正交的分解到獨(dú)立的頻帶內(nèi)，子頻帶內(nèi)能量比例的變化可以反映不同目標(biāo)回聲信號(hào)在頻域上的差異。小波包分解同時(shí)對(duì)原始信號(hào)和分解后的子信號(hào)的高頻和低頻部分進(jìn)行分解，假設(shè)原始信號(hào)x(t)的數(shù)據(jù)長(zhǎng)度為N，則分解頻帶中離散信號(hào)xk,m(i)的數(shù)據(jù)長(zhǎng)度縮減為2-kN，第m個(gè)子頻帶的能量可表示為[10]

式(5)中，k表示分解次數(shù)，m=0,1,2,···,2k-1，表示子頻帶的位置序號(hào)。

為了方便應(yīng)用，子頻帶能量采用歸一化相對(duì)能量，第m個(gè)子頻帶的相對(duì)能量為

式(6)中，E(x(t))為總頻帶能量。

Hilbert 邊際譜能反映整個(gè)時(shí)間跨度內(nèi)信號(hào)在每個(gè)頻率點(diǎn)上的能量積累分布情況，將Hilbert譜在時(shí)間軸上進(jìn)行積分即可得到能量-頻率關(guān)系式[11]：

式(7)中，H(t,f)為Hilbert譜。

1.3 多特征降維方法

1.2 節(jié)表述了多種魚(yú)聲散射信號(hào)時(shí)頻特征提取方法，每種特征中的每個(gè)特征量對(duì)魚(yú)種分類識(shí)別的貢獻(xiàn)不同，提取出對(duì)分類貢獻(xiàn)大的特征量重新組合成一個(gè)新的特征量對(duì)提高運(yùn)算速率和識(shí)別準(zhǔn)確率具有十分重要的意義。

為了得到對(duì)分類貢獻(xiàn)較大的特征量，本文使用Fisher 判別函數(shù)評(píng)估兩個(gè)類別之間的距離[12-13]，F(xiàn)isher判別函數(shù)可表示為

其中，D為判別比，j、k為物種類別，μj、?、μk、分別為第j、k物種的均值和方差。分子項(xiàng)表示該特征在兩物種間的整體差異，分母代表該特征的離散性。將兩兩魚(yú)種間時(shí)頻特征分別進(jìn)行Fisher 判別，篩選出貢獻(xiàn)大的特征量組成新的特征向量。

2 實(shí)驗(yàn)及數(shù)據(jù)處理

2.1 繩系法實(shí)驗(yàn)

課題組通過(guò)設(shè)置繩系法實(shí)驗(yàn)采集近岸4 種經(jīng)濟(jì)魚(yú)類的聲散射信號(hào)，繩系法實(shí)驗(yàn)布置示意圖如圖2所示。影響魚(yú)聲散射的主要因素是魚(yú)鰾、體長(zhǎng)、姿態(tài)角以及換能器頻率，實(shí)驗(yàn)設(shè)定如下。

圖2 繩系法實(shí)驗(yàn)示意圖Fig.2 Schematic diagram of tethered experiment

實(shí)驗(yàn)地點(diǎn)：為了首先實(shí)現(xiàn)北方海洋牧場(chǎng)等近岸海域的魚(yú)種分類評(píng)估，實(shí)驗(yàn)地點(diǎn)選在海州灣海域的日照順風(fēng)陽(yáng)光國(guó)家級(jí)海洋牧場(chǎng)示范區(qū)。

實(shí)驗(yàn)用魚(yú)：實(shí)驗(yàn)用魚(yú)選取4 種近岸常見(jiàn)經(jīng)濟(jì)魚(yú)類，分別為花鱸(Lateolabrax maculatus)、許氏平鲉(Sebastes schlegelii)、黑鯛(Acanthopagrus schlegelii)、斑石鯛(Oplegnathus punctatus)，叉長(zhǎng)分別為42 cm、30 cm、22 cm、20 cm；假設(shè)魚(yú)鰾等于魚(yú)體的1/3[14]，花鱸、許氏平鲉、黑鯛、斑石鯛的魚(yú)鰾大小分別為14.0 cm、10.0 cm、7.3 cm、6.7 cm。實(shí)驗(yàn)用魚(yú)如圖3所示。

圖3 實(shí)驗(yàn)用魚(yú)Fig.3 Fish used in experiments

姿態(tài)角：考慮實(shí)際應(yīng)用中的垂直魚(yú)探儀主要照射魚(yú)體背部，實(shí)驗(yàn)中設(shè)置魚(yú)體背對(duì)換能器(即魚(yú)的姿態(tài)角設(shè)定為0°)，主要分析背部的回波。將魚(yú)線系在魚(yú)鰓上，魚(yú)線兩端分別固定于網(wǎng)箱兩側(cè)漁網(wǎng)上，調(diào)整魚(yú)線，保證個(gè)體魚(yú)位于換能器開(kāi)角范圍內(nèi)。由于魚(yú)線較細(xì)，文中忽略魚(yú)線的影響。

換能器頻率：漁業(yè)資源評(píng)估中常用的換能器頻率是38 kHz、120 kHz 和200 kHz[9]，考慮近岸海域中小型魚(yú)類居多，選用較高頻率的換能器能獲得更好的中小型魚(yú)檢出率和更多的魚(yú)體細(xì)節(jié)信息。實(shí)驗(yàn)中選用中心頻率為200 kHz 和450 kHz 換能器，換能器主要參數(shù)見(jiàn)表1。在實(shí)驗(yàn)前，根據(jù)國(guó)際通用TS校準(zhǔn)法[15]，用直徑23 mm 的標(biāo)準(zhǔn)銅球?qū)ψ匝须p頻魚(yú)探儀進(jìn)行現(xiàn)場(chǎng)校正。

表1 自研雙頻魚(yú)探儀主要技術(shù)參數(shù)Table 1 The main technical parameters of the self-developed dual-frequency fish detector

2.2 水聲數(shù)據(jù)處理

根據(jù)單回波檢測(cè)準(zhǔn)則[16]：?jiǎn)未位夭ǖ淖钚『妥畲箝L(zhǎng)度一般為發(fā)射脈沖長(zhǎng)度的0.6倍和1.8 倍，對(duì)應(yīng)的單程最大增益補(bǔ)償為3 dB。設(shè)定最小檢測(cè)門限值為-60 dB，自動(dòng)提取大于門限值的回波。以200 kHz換能器采集數(shù)據(jù)為例，4 種魚(yú)回波信號(hào)的時(shí)域波形差異明顯，中心頻率未發(fā)生明顯偏移，如圖4所示。

圖4 魚(yú)聲散射信號(hào)Fig.4 Acoustic scattering signal of fish

2.2.1 TS測(cè)定

200 kHz 和450 kHz 換能器激勵(lì)下花鱸聲圖如圖5(a)所示，魚(yú)體回波清晰，上下網(wǎng)箱底面反射信號(hào)明顯，背景噪聲較小。上下網(wǎng)底及花鱸TS如圖5(b)所示，TS值通過(guò)式(2)置換法計(jì)算。

圖5 花鱸聲散射信號(hào)示例Fig.5 Examples of acoustic scattering signal of Lateolabrax maculatus

在200 kHz 和450 kHz 換能器激勵(lì)下，4 種魚(yú)聲散射信號(hào)的平均TS 如圖6 所示。200 kHz 換能器激勵(lì)時(shí)花鱸、許氏平鲉、黑鯛、斑石鯛平均TS 分別為-36.81 dB、-43.86 dB、-45.17 dB、-44.11 dB，450 kHz 換能器激勵(lì)時(shí)花鱸、許氏平鲉、黑鯛、斑石鯛平均TS 分別為-39.37 dB、-45.41 dB、-46.71 dB、-45.65 dB。

圖6 4 種魚(yú)TS 頻數(shù)分布Fig.6 Target strength frequency distribution of four fish species

統(tǒng)計(jì)結(jié)果顯示，魚(yú)的叉長(zhǎng)與TS 值呈正相關(guān)，魚(yú)在200 kHz 換能器下的TS 大于450 kHz 換能器下的TS。同一實(shí)驗(yàn)條件下魚(yú)TS 值的波動(dòng)主要是由魚(yú)呼吸時(shí)魚(yú)鰾的變化和魚(yú)體在水流作用下的微小擺動(dòng)引起的，斑石鯛的TS 波動(dòng)范圍大于其他3 種魚(yú)，認(rèn)為與斑石鯛外形的“體側(cè)扁而高”特點(diǎn)有關(guān)，體側(cè)較小幅度的傾斜會(huì)引起較大的TS 值波動(dòng)。4 種魚(yú)在兩種頻率設(shè)置下TS 分布差異明顯，有利于魚(yú)種分類。

2.2.2 時(shí)頻特征

對(duì)提取的個(gè)體魚(yú)聲散射信號(hào)進(jìn)行6 層時(shí)域質(zhì)心分割，時(shí)域質(zhì)心在波包中位置分布如圖7(a)所示。從圖中可以看出，許氏平鲉與花鱸的時(shí)域質(zhì)心分布差異最大，斑石鯛和許氏平鲉時(shí)域質(zhì)心分布較接近。

圖7 魚(yú)聲散射信號(hào)時(shí)頻域特征分布(200 kHz)Fig.7 Time and frequency domain characteristics distribution of fish acoustic scattering signal (200 kHz)

為了得到更多的頻域細(xì)節(jié)信息，對(duì)個(gè)體魚(yú)聲散射信號(hào)進(jìn)行6 層小波包分解，共64 個(gè)特征量，信號(hào)采樣頻率為10 MHz，每個(gè)頻段寬度為78.125 kHz。個(gè)體魚(yú)聲散射信號(hào)各頻段能量占比如圖7(b)所示，從頻段能量分布中可以看出斑石鯛和許氏平鲉一致性較好，黑鯛和花鱸一致性較好。

200 kHz 換能器接收信號(hào)能量主要分布在200 kHz 附近，統(tǒng)計(jì)Hilbert 邊際譜在180～220 kHz間能量分布(間隔5 kHz)，如圖7(c)所示，許氏平鲉回波能量最強(qiáng)，黑鯛回波能量最弱，4 種魚(yú)邊際譜特征在視覺(jué)上較易區(qū)別。

以上3 種時(shí)頻特征共包含78 個(gè)特征值，特征值數(shù)量過(guò)多會(huì)導(dǎo)致深度學(xué)習(xí)算法難以收斂，因此需要對(duì)其進(jìn)行降維處理。兩兩魚(yú)類間樣本特征判別比如圖8 所示，從圖中可以看出許氏平鲉和其他3 種魚(yú)之間特征判別距離整體上大于其他魚(yú)種間判別比，說(shuō)明許氏平鲉與其他3 種魚(yú)間聲散射差異較大。判別閾值設(shè)置為3 時(shí)，兩兩魚(yú)種間判別比之和大于閾值所對(duì)應(yīng)的特征值總數(shù)為6 個(gè)(包括1 個(gè)時(shí)域質(zhì)心特征、4 個(gè)小波包頻段能量特征和1 個(gè)Hilbert 邊際譜特征)，通過(guò)Fisher 判別函數(shù)有效降低了特征值數(shù)量。

2.3 魚(yú)聲散射信號(hào)分類識(shí)別結(jié)果

神經(jīng)網(wǎng)絡(luò)多分類方法采用3 層BP 神經(jīng)網(wǎng)絡(luò)分類器，學(xué)習(xí)過(guò)程采用自適應(yīng)學(xué)習(xí)方法[17]。輸入層神經(jīng)元數(shù)為特征個(gè)數(shù)，隱含層包含25 個(gè)神經(jīng)元，輸出層為4個(gè)神經(jīng)元，代表4類目標(biāo)。

SVM 多 分 類 方 法 采 用“one-against-rest”方法[18]，通過(guò)構(gòu)造4 個(gè)兩分類器，第i個(gè)SVM 用第i類中的訓(xùn)練樣本做正樣本，其他樣本為負(fù)樣本，測(cè)試時(shí)讓每個(gè)訓(xùn)練樣本都經(jīng)過(guò)4 個(gè)分類器。

將采集的個(gè)體魚(yú)回聲數(shù)據(jù)分為兩組：第一組為訓(xùn)練樣本，每個(gè)類包含400 個(gè)樣本，共1600 個(gè)樣本；第二組為測(cè)試樣本，每個(gè)類包含100 個(gè)樣本，共400個(gè)樣本。

特征向量是由1 個(gè)頻差特征值和6 個(gè)時(shí)頻特征值組成的組合特征向量，分別基于頻差特征、時(shí)頻特征、頻差-時(shí)頻組合特征選用SVM 分類器對(duì)測(cè)試集進(jìn)行識(shí)別，識(shí)別結(jié)果如表2所示，識(shí)別準(zhǔn)確率分別為71%、84%、93%，組合特征識(shí)別準(zhǔn)確率遠(yuǎn)高于單一特征。

表2 3 種特征的SVM 分類器識(shí)別準(zhǔn)確率統(tǒng)計(jì)Table 2 Statistical table of recognition accuracy of SVM classifier with three characteristics

分別使用BP 神經(jīng)網(wǎng)絡(luò)和SVM 分類器對(duì)訓(xùn)練集進(jìn)行訓(xùn)練，基于組合特征的測(cè)試集數(shù)據(jù)識(shí)別結(jié)果如表3 所示，BP 神經(jīng)網(wǎng)絡(luò)分類準(zhǔn)確率為90%，其中斑石鯛85%、黑鯛96%、許氏平鲉98%、花鱸82%；SVM 分類準(zhǔn)確率為93%，其中斑石鯛94%、黑鯛96%、許氏平鲉98%、花鱸83%。

表3 基于組合特征的魚(yú)種類識(shí)別準(zhǔn)確率統(tǒng)計(jì)Table 3 Statistical table of fish species identification accuracy based on combination features

3 討論

3.1 實(shí)驗(yàn)方法

當(dāng)前，魚(yú)類聲學(xué)特征量的測(cè)量方法主要有兩類：一類是通過(guò)搭建聲學(xué)實(shí)驗(yàn)平臺(tái)測(cè)量行為受控魚(yú)類的聲學(xué)特征量，有繩系法、懸垂法和網(wǎng)箱法；另一類是通過(guò)建立模型來(lái)計(jì)算魚(yú)類聲學(xué)特征量，有經(jīng)驗(yàn)統(tǒng)計(jì)模型和物理模型[14]。本文選擇繩系法實(shí)驗(yàn)測(cè)量魚(yú)的聲學(xué)特征量，該方法能夠較好地控制魚(yú)的姿態(tài)，但由于測(cè)量時(shí)魚(yú)體處于非自然狀態(tài),，無(wú)法真實(shí)反映聲波散射情況，會(huì)使測(cè)量結(jié)果產(chǎn)生一定偏差。而且在自然海域中，魚(yú)的游向、姿態(tài)以及魚(yú)鰾尺寸的改變也會(huì)導(dǎo)致接收信號(hào)聲學(xué)特征量的變化。因此，在后續(xù)的研究中，實(shí)驗(yàn)可以從以下幾個(gè)方面進(jìn)行改進(jìn)：(1) 將實(shí)驗(yàn)地點(diǎn)改為消聲水池，以消除水流動(dòng)、環(huán)境噪聲及海底聲反射對(duì)信號(hào)采集質(zhì)量的影響。(2) 在現(xiàn)有實(shí)驗(yàn)裝置基礎(chǔ)上增加機(jī)械旋轉(zhuǎn)結(jié)構(gòu)，獲取魚(yú)在不同聲波入射角下的聲數(shù)據(jù)，進(jìn)一步研究魚(yú)體姿態(tài)變化對(duì)聲散射的影響。(3) 文中只對(duì)近岸4 種經(jīng)濟(jì)魚(yú)類的聲散射特征進(jìn)行了研究，若要實(shí)現(xiàn)更廣泛的魚(yú)類目標(biāo)識(shí)別，還需要增加目標(biāo)樣本數(shù)和特征樣本數(shù)。(4) 通過(guò)量化魚(yú)在聲軸至聲束上下邊界處的衰減，對(duì)聲信號(hào)進(jìn)行補(bǔ)償，同時(shí)，整合更多有效特征信息，例如寬帶特性、多頻特性，提升聲信號(hào)分析的準(zhǔn)確性與魯棒性。

3.2 特征提取方法

傳統(tǒng)聲散射信號(hào)分類方法中特征的提取主要基于信號(hào)的時(shí)域特性、頻域特性、相位特性及特殊聲音[5]。近年來(lái)，魚(yú)探儀在多波束、寬帶和多頻方向上發(fā)展迅速，這使得利用多元聲特征信息實(shí)現(xiàn)魚(yú)種的分類識(shí)別成為可能。Rogers 等[19]采用中心頻率為153.6 kHz 的換能器采集3 種魚(yú)寬帶聲散射信號(hào)，基于信號(hào)的寬帶特征對(duì)魚(yú)種進(jìn)行分類，但現(xiàn)場(chǎng)識(shí)別效果并不理想，分析認(rèn)為僅提取寬帶回波頻譜特征可能會(huì)使神經(jīng)網(wǎng)絡(luò)識(shí)別不可靠，寬帶聲信號(hào)的識(shí)別還需要包括其他特征。本文中同時(shí)提取了魚(yú)回波信號(hào)的時(shí)頻特征和頻差特征，將其組合特征作為魚(yú)種分類的判別依據(jù)，這種特征提取方法不僅可以反映魚(yú)在時(shí)域和頻域中的信息，還可以體現(xiàn)魚(yú)類在不同頻率下的聲散射差異信息，是利用多元聲特征信息實(shí)現(xiàn)魚(yú)分類的一次成功嘗試。

4 結(jié)論

本文通過(guò)繩系法實(shí)驗(yàn)研究了近岸4 種經(jīng)濟(jì)魚(yú)類聲散射信號(hào)的特征提取及融合方法，得出如下結(jié)論：

(1) 姿態(tài)角為0°時(shí)，4 種實(shí)驗(yàn)用魚(yú)(花鱸、許氏平鲉、黑鯛、斑石鯛)的平均TS 分別為-36.81 dB、-43.86 dB、-45.17 dB、-44.11 dB (200 kHz)/-39.37 dB、-45.41 dB、-46.71 dB、-45.65 dB(450 kHz)。

(2) 基于頻差特征、時(shí)頻特征、時(shí)頻和頻差組合特征的SVM 魚(yú)類識(shí)別準(zhǔn)確率分別為71%、84%、93%，說(shuō)明組合特征識(shí)別準(zhǔn)確率遠(yuǎn)高于單一特征，有效地增加判別依據(jù)可以明顯提高不同魚(yú)種間區(qū)分度。

(3) 所提方法對(duì)文中4 種魚(yú)類的識(shí)別效果較好，但作為魚(yú)類的識(shí)別還需要進(jìn)一步開(kāi)展工作。