基于AlexNet迁移学习的磁异常信号检测方法

• 作者: 吴芳 李启飞 李沛宗 范赵鹏 韩蕾蕾
• 来源期刊: 水下无人系统学报
• 关键词: 航空反潜 磁异常信号 检测 时频分析 AlexNet 迁移学习
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 基础研究
• 页码范围: 162-167
• 页数: 6页
• 分类号: TJ67|TM937
• 语种: 中文
• DOI: 10.11993/j.issn.2096-3920.2020.02.007

摘要

航空磁探反潜是通过磁探仪检测磁异常信号,进行航空反潜的重要手段.针对水下目标的磁异常信号在低信噪比条件下难以检测的问题,提出使用基于AlexNet迁移学习的磁异常信号检测方法.该方法基于卷积神经网络原理,通过对水下目标不同态势、航空磁探平台不同飞行路线和速度情况进行仿真,得到大量信号序列,对其加高斯白噪声,从而模拟磁探平台测得信号.随后对其进行短时傅里叶变换得到时频图,并利用深度卷积神经网络模型AlexNet对时频图特征进行迁移学习训练,最后利用测试集数据对训练后的AlexNet网络进行测试,实现对低信噪比条件下水下目标磁异常信号的检测.仿真结果表明,在信噪幅度比为-8 dB、虚警率为3％情况下,对磁异常信号的检测概率达到93％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴芳	海军航空大学战勤学院	34	196	8.0	13.0
2	李沛宗	海军航空大学战勤学院	11	0	0.0	0.0
3	韩蕾蕾	海军航空大学战勤学院	6	0	0.0	0.0