基于降噪自编码器的水中目标识别方法

• 作者: 徐晓男 陈越超
• 来源期刊: 声学与电子工程
• 关键词: 深度学习 降噪自编码器 水中目标辐射噪声 特征提取 目标识别
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 2017年船舶通讯导航会议论文集锦(一)
• 页码范围: 30-33
• 页数: 4页
• 字数: 3427字
• 语种: 中文

摘要

将堆叠降噪自编码器(SDAE)深度学习方法引入水中目标辐射噪声的特征提取与识别中.建立SDAE模型并将水中目标辐射噪声谱特征作为SDAE模型的输入数据,针对水中目标数据特征对模型结构参数进行优化设置.基于SDAE模型对仿真水声数据进行特征提取与识别,采用支持向量机和BP神经网络作为识别对比算法.结果表明:对于不同类型目标与同一目标的不同状态,SDAE模型都能提取出可分性特征,识别率也要高于其他对比方法.进一步基于SDAE处理同一目标不同状态下的实验数据,同样可以提取出可分性特征并且识别率高于对比算法,这说明采用SDAE算法可以有效实现水中目标辐射噪声的特征提取与识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈越超	声纳技术重点实验室第七一五研究所	2	7	2.0	2.0
2	徐晓男	声纳技术重点实验室第七一五研究所	1	4	1.0	1.0