基于联合神经网络的水声目标识别方法

• 作者: 任晨曦 王黎明 韩星程 叶泽甫 朱竹君
• 来源期刊: 舰船科学技术
• 学科: 工学
• 关键词: 水声目标识别 深度学习 声音信号 船舶辐射噪声
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 水声电子
• 页码范围: 136-141
• 页数: 6页
• 分类号: TB566
• 语种: 中文
• DOI: 10.3404/j.issn.1672-7649.2022.01.026

摘要

为了改善传统的单一识别网络难以充分考虑水下声音样本各方面特征的缺陷,本文利用联合一维卷积神经网络与长短期记忆网络2种网络串行的方式,构建一种新的网络框架,首次将联合网络运用到水声目标识别中.其次,用船舶音频数据作为数据集输入网络,对网络性能进行评价,进行识别结果的可视化分析.通过结果分析得出,该网络能够实现对水声目标的识别分类,与单一神经网络相比,联合网络的识别精度更高,正确率等相关指标均优于单一识别网络,为水声目标识别领域的深度学习发展提供了新的参考方向.