科研之友
微信
新浪微博
Facebook
分享链接
摘要
目标噪声信号作为当前水声目标识别的主要信号源之一,由于目标信号来源单一,难以像多传感器探测不同角度表征目标特性,导致目标识别分类正确率低、虚警率高,严重制约水声探测系统功能的发挥。针对这一问题,采用长短时记忆网络,建立多层LSTM水声目标噪声特征提取模型,学习提取目标噪声时域包络、DEMON线谱、梅尔倒谱系数等信息特征,构建多类别特征子集;在此基础之上,建立了基于多类别特征子集的特征级融合识别分类模型和基于D-S证据理论的决策级融合识别分类模型;利用样本库数据对上述模型进行了测试,对比多类别特征融合判别与单一类别特征识别分类的差异,并使用港池相关试验数据对上述模型进行了测试验证。测试结果表明,提出的基于多类别特征融合的水声目标噪声智能识别分类方法判别效果更好,对水声目标噪声信号识别分类的正确率和虚警率等相关指标均优于单一类别特征判别方法。
-
单位海军潜艇学院; 国防大学
