使用深度学习的多通道水下目标识别

• 作者: 宫在晓 徐及 李琛 郭新毅 颜永红 黄兆琼
• 来源期刊: 声学学报
• 年，卷（期）: 2020,（4）
• 页码范围: 506-514
• 页数: 9页
• 语种: 中文

摘要

为解决低信噪比条件下水下目标识别率低的问题,提出一种适用于多通道水听器阵列的深度学习水下目标识别方法.首先是采用子通道特征级联的方法利用多通道信息;在特征提取方面,采用对信号的不同频率区间进行加权的特征提取器,并对提取的特征进行正则规整;最后采用深度神经网络(Deep Neural Network,DNN)实现目标识别.实验首先在仿真条件下对所提出方法的有效性进行验证,结果表明在-15 dB信噪比条件下的五目标识别任务中,使用多通道级联特征的深度神经网络的识别正确率达到96.7％,显著高于基于支持向量机(Support Vector Machine,SVM)的方法.在后续的湖上试验中,深度神经网络的平均正确率达到96.0％,进一步验证了所提出方法的有效性.