基于CNN和DCGAN的小样本船舶辐射噪声识别方法

作者：何柳; 张咏鸥^*

来源：武汉理工大学学报(交通科学与工程版), 2023, 1-12.

• 深度学习
• 船舶噪声
• 梅尔频谱
• 卷积对抗生成网络
• 水声目标识别

近年来，深度学习方法因其可以提高目标识别精度而被广泛应用于水声目标识别领域，然而水声信号不易获取，难以提供高精度识别所需的大量训练样本。针对这一问题，建立一种基于卷积神经网络（Convolutional Neural Networks，CNN）和深度卷积生成对抗网络（Deep Convolutional Generative Adversarial Networks，DCGAN）的船舶目标识别方法。通过采集的船舶辐射噪声数据，以梅尔频谱(Mel spectrogram)作为网络的输入特征，使用DCGAN网络对频谱变换后的样本进行扩充，利用微调的VGG16（Visual Geometry Group）网络实现船舶目标分类，实现了网络收敛速度的提升和训练时间的减少。识别结果表明，采用所提方法可以生成较高质量的频谱样本，提高船舶辐射噪声识别的准确率。

• 单位
  武汉理工大学