基于深度学习的水下目标姿态识别

作者：李秀坤^*; 徐天杨; 嵇守聪

来源：哈尔滨工程大学学报（英文版）, 2021, 42(10): 1503-1509.

• 水下目标识别
• 目标回波
• 声波入射角度
• 特征提取
• 分数阶傅里叶变换
• 时序结构
• 深度学习
• 循环神经网络

水下安静型目标主动探测与识别问题中,确定目标与发射装置的相对姿态是目标探测的关键。本文结合水下目标声散射回波机理,对目标的声散射回波成分进行信号特性分析,结合分数阶傅里叶变换对声散射回波进行特征提取;利用循环神经网络保存目标回波时间序列信息,实现对序列信号的动态建模;分别将分数阶傅里叶域特征与频谱结构特征作为训练对象,构建水下目标回波角度识别模型并进行对比,实现对不同声波入射角度下目标回波的分类识别。水池实验数据处理结果表明:本文提出的分数阶傅里叶特征与长短期记忆系统结合的深度神经网络模型,各项评估指标均优于以频谱结构为训练特征的深度网络模型,验证了本文方法对目标姿态识别的有效性。

• 单位
  工业和信息化部; 哈尔滨工程大学