-
题名基于双通道的多维域水声目标识别
- 1
-
-
作者
张晨颖
杨琼
刘枫
-
机构
西安工程大学计算机科学学院
陕西省服装设计智能化重点实验室
-
出处
《舰船科学技术》
北大核心
2024年第20期142-147,共6页
-
基金
陕西自然科学青年基金资助项目(2021JQ693)。
-
文摘
在海洋遥感领域,水声目标分类识别一直是声呐系统的一项困难而又极其重要的任务,为了进一步提高在不同信噪比下水下声目标的识别准确率,本文提出一种使用多维域融合特征分别输入双通道模型的水声目标识别方法。首先,通过梅尔频率倒谱系数(MFCC)和短时傅里叶变换(STFT)提取声信号在频域和时频上的特征进行融合;其次,构建密集卷积神经网络(DenseCNN)和长短期记忆网络(LSTM)2个通道,DenseCNN通道架构采用跳跃连接重用所有以前的特征映射,以优化各种受损条件下的分类率,并采用SE注意力机制使得动态调整特征权重。LSTM通道捕捉时间相关性,对模型进行长依赖关系处理能力的补充。实验结果表明,该方法在–20~10 dB信噪比下的分类准确率优于其他先进的神经网络模型。
-
关键词
水声目标识别
多维时频特征
双通道学习模块
-
Keywords
underwater acoustic target recognition
multidimensional time-frequency characteristics
dual channel learningmodule
-
分类号
TB566
[交通运输工程—水声工程]
-
