使用深度学习的多通道水下目标识别

作者：李琛; 黄兆琼; 徐及; 郭新毅; 宫在晓; 颜永红^*

来源：声学学报(中文版), 2020, 45(04): 506-514.

DOI：10.15949/j.cnki.0371-0025.2020.04.007

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。

• 单位
  中国科学院声学研究所; 中国科学院大学; 中国科学院新疆理化技术研究所