本發(fā)明涉及磁目標(biāo)探測(cè)，特別涉及基于多序列特征提取與多維特征融合的磁異常識(shí)別方法。

背景技術(shù)：

1、磁目標(biāo)探測(cè)基于磁性目標(biāo)物本身帶來的地磁場(chǎng)擾動(dòng)異常來進(jìn)行識(shí)別和定位，探測(cè)平臺(tái)搭載磁力儀采集磁場(chǎng)數(shù)據(jù)，集成智能識(shí)別模塊和相關(guān)算法，對(duì)磁場(chǎng)變化進(jìn)行磁異常的檢測(cè)識(shí)別和定位計(jì)算，區(qū)分出磁異常，進(jìn)而確定為磁性目標(biāo)物。

2、磁異常曲線圖是磁目標(biāo)勘探中用來展示沿著特定測(cè)線或路徑上測(cè)量到的地磁場(chǎng)強(qiáng)度相對(duì)于正常地磁場(chǎng)強(qiáng)度的偏差。這種圖形表現(xiàn)形式能夠直觀地揭示磁性物體的位置、形狀、產(chǎn)狀以及可能的分布信息。磁異常曲線圖通常包含以下幾個(gè)關(guān)鍵要素：

3、橫坐標(biāo)：代表測(cè)量點(diǎn)沿測(cè)線的地理位置或距離，可以是直線距離、經(jīng)緯度或其他地理參照系統(tǒng)中的位置指標(biāo)。

4、縱坐標(biāo)：表示磁異常值，即實(shí)測(cè)地磁場(chǎng)強(qiáng)度減去該地區(qū)的理論地磁場(chǎng)強(qiáng)度（正常場(chǎng)），單位通常是納特(nt)。正值表示磁場(chǎng)增強(qiáng)，負(fù)值表示減弱。

5、曲線形態(tài)：磁異常曲線的形狀能夠反映磁性物體的特性。例如，簡單的磁性體如圓柱形、板狀或球狀體，會(huì)在曲線上產(chǎn)生特定的模式，如尖峰、凹陷或復(fù)雜的雙峰結(jié)構(gòu)。

6、如圖1所示，為理想情況下的磁異常曲線部分截圖，信噪比較好，而且是磁力儀近距離測(cè)試。在航空測(cè)量中，磁力儀距離目標(biāo)物較遠(yuǎn)，且由于載體自身的原因，動(dòng)態(tài)噪聲比較大，目標(biāo)物信號(hào)淹沒在地質(zhì)體的大背景中，難以被識(shí)別?；诂F(xiàn)代信號(hào)處理方法，對(duì)采集的總場(chǎng)數(shù)據(jù)進(jìn)行磁補(bǔ)償、去噪、地磁場(chǎng)校正、濾波等等，得到一條磁異常曲線，受限于各種環(huán)境干擾、平臺(tái)動(dòng)態(tài)噪聲和數(shù)據(jù)處理方法，往往會(huì)出現(xiàn)較多的假目標(biāo)信息，對(duì)磁目標(biāo)識(shí)別的準(zhǔn)確率產(chǎn)生較大的影響，使得磁異常目標(biāo)在識(shí)別過程中的虛警率過高。

7、因此，本發(fā)明提出一種基于多序列特征提取與多維特征融合的磁異常識(shí)別方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供基于多序列特征提取與多維特征融合的磁異常識(shí)別方法，用以解決上述提出的技術(shù)問題。

2、本發(fā)明提供一種基于多序列特征提取與多維特征融合的磁異常識(shí)別方法，包括：

3、步驟1：當(dāng)擺放好真目標(biāo)與假目標(biāo)之后控制預(yù)搭載平臺(tái)按照與所述真目標(biāo)與假目標(biāo)的初始擺放圖匹配的預(yù)設(shè)程序集循環(huán)運(yùn)動(dòng)，同時(shí)，在所述預(yù)搭載平臺(tái)運(yùn)動(dòng)過程中啟動(dòng)磁學(xué)傳感器實(shí)時(shí)采集周圍磁場(chǎng)數(shù)據(jù)，并分別存儲(chǔ)基于每個(gè)預(yù)設(shè)程序下的原始磁場(chǎng)數(shù)據(jù)，其中，所述預(yù)設(shè)程序與預(yù)搭載平臺(tái)的俯仰、橫滾、轉(zhuǎn)彎、加速、下降、抬升以及勻速狀態(tài)相關(guān)，且不同預(yù)設(shè)程序下的狀態(tài)組合順序不同；

4、步驟2：采用小波變換與稀疏表示理論，對(duì)每個(gè)預(yù)設(shè)程序下的原始磁異常數(shù)據(jù)進(jìn)行多尺度分解，提取不同尺度下的特征信息；

5、步驟3：構(gòu)建多特征融合深度學(xué)習(xí)模型，并分別對(duì)每個(gè)預(yù)設(shè)程序下的特征信息進(jìn)行多序列特征提取以及多維特征融合，得到磁異常識(shí)別結(jié)果；

6、步驟4：對(duì)所有磁異常識(shí)別結(jié)果基于初始擺放圖進(jìn)行結(jié)果擺放分析，得到最終識(shí)別結(jié)果并輸出。

7、優(yōu)選的，在控制預(yù)搭載平臺(tái)運(yùn)動(dòng)之前，還包括：

8、將涉及到的運(yùn)動(dòng)狀態(tài)進(jìn)行連續(xù)運(yùn)動(dòng)，構(gòu)建第一運(yùn)動(dòng)順序；

9、將涉及到的運(yùn)動(dòng)狀態(tài)進(jìn)行非連續(xù)運(yùn)動(dòng)，構(gòu)建第二運(yùn)動(dòng)順序；

10、基于所述第一運(yùn)動(dòng)順序以及第二運(yùn)動(dòng)順序，構(gòu)成循環(huán)運(yùn)動(dòng)；

11、向每個(gè)運(yùn)動(dòng)順序配置相應(yīng)的預(yù)設(shè)程序，得到基于所述循環(huán)運(yùn)動(dòng)的預(yù)設(shè)程序集；

12、其中，每個(gè)運(yùn)動(dòng)狀態(tài)都存在預(yù)先設(shè)定好的運(yùn)動(dòng)軌跡程序，且所述運(yùn)動(dòng)軌跡程序與所述初始擺放圖相關(guān)。

13、優(yōu)選的，將涉及到的運(yùn)動(dòng)狀態(tài)進(jìn)行連續(xù)運(yùn)動(dòng)，構(gòu)建第一運(yùn)動(dòng)順序，包括：

14、基于設(shè)定的不同運(yùn)動(dòng)狀態(tài)下的標(biāo)準(zhǔn)運(yùn)動(dòng)曲線，且所述標(biāo)準(zhǔn)運(yùn)動(dòng)曲線中每個(gè)運(yùn)動(dòng)點(diǎn)的運(yùn)動(dòng)速度得到每個(gè)運(yùn)動(dòng)狀態(tài)下的環(huán)境噪聲干擾系數(shù)；

15、對(duì)所有環(huán)境噪聲干擾系數(shù)進(jìn)行由大到小的排序得到第一子順序；

16、獲取設(shè)定的不同運(yùn)動(dòng)狀態(tài)下的標(biāo)準(zhǔn)運(yùn)動(dòng)曲線的首點(diǎn)的第一矢量以及尾點(diǎn)的第二矢量，對(duì)所述第一矢量以及第二矢量進(jìn)行單獨(dú)計(jì)算得到第三矢量，其中，所述第三矢量包括：矢量方向和矢量大??；

17、對(duì)所有運(yùn)動(dòng)狀態(tài)下的矢量大小進(jìn)行由大到小的排序，得到第二子順序；

18、對(duì)所有運(yùn)動(dòng)狀態(tài)下的矢量方向以y軸為基準(zhǔn)線進(jìn)行順時(shí)針排序，得到第三子順序；

19、將所有首點(diǎn)作為第一原點(diǎn)并進(jìn)行重疊放置，對(duì)所有第一矢量進(jìn)行全局計(jì)算得到第四矢量，根據(jù)所述第四矢量與每個(gè)第一矢量的角度差異以及長度差異向每個(gè)第一矢量賦予第一系數(shù)，并對(duì)所有第一系數(shù)進(jìn)行由大到小的排序，得到第四子順序；

20、將所有尾點(diǎn)作為第二原點(diǎn)并進(jìn)行重疊放置，對(duì)所有第二矢量進(jìn)行全局計(jì)算得到第五矢量，根據(jù)所述第五矢量與每個(gè)第二矢量的角度差異以及長度差異向每個(gè)第二矢量賦予第二系數(shù)，并對(duì)所有第二系數(shù)進(jìn)行由大到小的排序，得到第五子順序；

21、基于所述第一子順序、第二子順序、第三子順序、第四子順序以及第五子順序，構(gòu)成第一運(yùn)動(dòng)順序。

22、優(yōu)選的，所述特征信息包括：時(shí)域特征、圖像特征以及頻域特征。

23、優(yōu)選的，構(gòu)建多特征融合深度學(xué)習(xí)模型，包括：

24、對(duì)歷史磁異常數(shù)據(jù)進(jìn)行特征提取，分為歷史時(shí)域特征和歷史頻域特征，使用循環(huán)神經(jīng)網(wǎng)絡(luò)對(duì)不同尺度的歷史磁異常數(shù)據(jù)的特征進(jìn)行建模和卷積骨干網(wǎng)絡(luò)處理，得到第一特征域數(shù)據(jù)；

25、對(duì)歷史磁異常數(shù)據(jù)的時(shí)頻圖像的圖像特征進(jìn)行二維卷積骨干神經(jīng)網(wǎng)絡(luò)處理，得到第二特征域數(shù)據(jù)；

26、基于插值法使同個(gè)歷史磁異常數(shù)據(jù)下的特征域數(shù)據(jù)在時(shí)間和空間維度上對(duì)齊，并映射到統(tǒng)一特征空間，結(jié)合注意力進(jìn)制增強(qiáng)對(duì)重要區(qū)域和重要特征的關(guān)注，實(shí)現(xiàn)數(shù)據(jù)融合；

27、對(duì)融合后的數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)目標(biāo)識(shí)別，加入自適應(yīng)優(yōu)化算法，引入自適應(yīng)權(quán)重分配機(jī)制與動(dòng)態(tài)學(xué)習(xí)率調(diào)整策略，根據(jù)訓(xùn)練過程中數(shù)據(jù)的難易程度和模型表現(xiàn)自動(dòng)優(yōu)化網(wǎng)絡(luò)參數(shù)，直到滿足設(shè)定標(biāo)準(zhǔn)，得到多特征融合深度學(xué)習(xí)模型。

28、優(yōu)選的，在基于插值法使同個(gè)歷史磁異常數(shù)據(jù)下的特征域數(shù)據(jù)在時(shí)間和空間維度上對(duì)齊之前，還包括：

29、對(duì)第一特征域數(shù)據(jù)進(jìn)行時(shí)間排序，鎖定缺失時(shí)間點(diǎn)；

30、若缺失時(shí)間點(diǎn)的數(shù)量為0，此時(shí)，保持所述第一特征域數(shù)據(jù)不變；

31、若缺失時(shí)間點(diǎn)的數(shù)量為多個(gè)，此時(shí)，鎖定與每個(gè)缺失時(shí)間點(diǎn)存在時(shí)間距離最近的第一數(shù)據(jù)、第二近的第一數(shù)據(jù)以及第三近的第一數(shù)據(jù)；

32、統(tǒng)計(jì)所述第一數(shù)據(jù)與第二數(shù)據(jù)之間的缺失時(shí)間點(diǎn)的第一數(shù)量、第二數(shù)據(jù)與第三數(shù)據(jù)之間的缺失時(shí)間點(diǎn)的第二數(shù)量，同時(shí)，統(tǒng)計(jì)時(shí)間排序后的數(shù)據(jù)中存在的第一缺失連續(xù)頻次；

33、基于所述第一數(shù)據(jù)、第二數(shù)據(jù)、第三數(shù)據(jù)的平均值，計(jì)算對(duì)應(yīng)缺失時(shí)間點(diǎn)的數(shù)據(jù)，并進(jìn)行一次插值。

34、優(yōu)選的，在對(duì)所有磁異常識(shí)別結(jié)果基于初始擺放圖進(jìn)行結(jié)果擺放分析之前，包括：

35、捕捉所述預(yù)搭載平臺(tái)在不同預(yù)設(shè)程序下基于每個(gè)運(yùn)動(dòng)狀態(tài)的實(shí)際運(yùn)動(dòng)過程參數(shù)集以及標(biāo)準(zhǔn)運(yùn)動(dòng)過程參數(shù)集，確定運(yùn)動(dòng)差異；

36、獲取每個(gè)預(yù)設(shè)程序下相鄰兩個(gè)運(yùn)動(dòng)狀態(tài)中第一個(gè)運(yùn)動(dòng)狀態(tài)的第二矢量與第二個(gè)運(yùn)動(dòng)狀態(tài)的第一矢量的第一差異以及第二個(gè)運(yùn)動(dòng)狀態(tài)的第一矢量與第二矢量的第二差異；

37、基于同個(gè)運(yùn)動(dòng)狀態(tài)下的運(yùn)動(dòng)差異、第一差異以及第二差異，構(gòu)建對(duì)應(yīng)運(yùn)動(dòng)狀態(tài)的瞬時(shí)函數(shù)，并基于所述瞬時(shí)函數(shù)向?qū)?yīng)運(yùn)動(dòng)組合狀態(tài)設(shè)置卡頓系數(shù)，其中，所述運(yùn)動(dòng)組合狀態(tài)包含兩種不同的運(yùn)動(dòng)狀態(tài)；

38、將所述卡頓系數(shù)賦予到對(duì)應(yīng)運(yùn)動(dòng)組合狀態(tài)的每個(gè)運(yùn)動(dòng)狀態(tài)上；

39、將賦予結(jié)果與每個(gè)預(yù)設(shè)程序下的狀態(tài)組合順序進(jìn)行對(duì)照，并對(duì)相應(yīng)預(yù)設(shè)程序下的磁異常識(shí)別結(jié)果補(bǔ)充分析。

40、優(yōu)選的，對(duì)所有磁異常識(shí)別結(jié)果基于初始擺放圖進(jìn)行結(jié)果擺放分析，包括：

41、對(duì)所述初始擺放圖中真目標(biāo)與假目標(biāo)的鎖定位置，來將每次順序運(yùn)動(dòng)下的磁異常識(shí)別結(jié)果與對(duì)應(yīng)鎖定位置一一對(duì)應(yīng)放置，得到初始識(shí)別矩陣，并按照位置相對(duì)關(guān)系對(duì)所述初始識(shí)別矩陣進(jìn)行標(biāo)準(zhǔn)化處理；

42、按照每個(gè)預(yù)設(shè)程序下每個(gè)運(yùn)動(dòng)狀態(tài)對(duì)所述初始擺放圖的覆蓋線段，同時(shí)，對(duì)所述初始擺放圖中真目標(biāo)與假目標(biāo)進(jìn)行位置鎖定；

43、根據(jù)相鄰兩個(gè)覆蓋線段的銜接線段下的鎖定目標(biāo)，且結(jié)合對(duì)應(yīng)運(yùn)動(dòng)組合狀態(tài)下的卡頓系數(shù)，對(duì)相應(yīng)鎖定目標(biāo)的鎖定位置的標(biāo)準(zhǔn)化結(jié)果進(jìn)行調(diào)整，并對(duì)每列向量進(jìn)行平均值計(jì)算，得到最終識(shí)別結(jié)果。

44、與現(xiàn)有技術(shù)相比，本技術(shù)的有益效果如下：

45、通過讓預(yù)搭載平臺(tái)按不同預(yù)設(shè)程序運(yùn)動(dòng)并采集數(shù)據(jù)，能獲取多視角、多運(yùn)動(dòng)狀態(tài)下的磁場(chǎng)數(shù)據(jù)，豐富了數(shù)據(jù)維度，為后續(xù)準(zhǔn)確識(shí)別磁異常目標(biāo)提供更全面的數(shù)據(jù)基礎(chǔ)。多特征融合深度學(xué)習(xí)模型能充分挖掘磁異常數(shù)據(jù)不同方面的特征，多序列特征提取和多維特征融合使模型對(duì)磁異常數(shù)據(jù)的理解更全面、深入，提高了磁異常目標(biāo)識(shí)別的準(zhǔn)確率和可靠性。

46、本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過在所寫的說明書以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。

47、下面通過附圖和實(shí)施例，對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。