用于水声目标信号时频特征提取与识别的深度卷积神经网络

• 作者: 李俊豪 杨宏晖
• 来源期刊: 无人系统技术
• 学科: 工学
• 关键词: 水声目标识别 深度学习 深度卷积神经网络 舰船辐射噪声 机器学习
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 水下无人系统专栏
• 页码范围: 26-30
• 页数: 5页
• 分类号: TB56
• 字数: 2877字
• 语种: 中文

摘要

在水下目标识别的军事任务中,被动声纳系统具有较好的隐蔽性和灵活性.利用舰船辐射噪声进行被动水声目标识别由于海洋环境复杂性以及舰船隐身技术的应用而面临巨大的挑战.根据水声信号特点,在通用深度卷积神经网络的基础上调整了网络的特征提取方法,从舰船辐射噪声时频特征的出发设计了用于水下目标识别的深度网络模型,一定程度上加强了深度网络提取到的特征可解释性,更有助于提取到具有一定物理意义的特征.实验结果表明,经过调整的深度卷积神经网络可以提取到具有一定物理意义的谱特征,在六类分类实验中网络正确识别率达到75.1％,识别率显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨宏晖	西北工业大学航海学院	25	168	8.0	12.0
2	李俊豪	西北工业大学航海学院	2	0	0.0	0.0