-
题名基于多分主干外部注意力网络的水声信号识别
- 1
-
-
作者
王越
李佐勇
颜佳泉
胡蓉
-
机构
福建理工大学计算机科学与数学学院福建省大数据挖掘与应用技术重点实验室
闽江学院计算机与大数据学院福建省信息处理与智能控制重点实验室
-
出处
《计算机系统应用》
2024年第4期263-270,共8页
-
基金
福建省自然科学基金青年创新项目(2021J05202)
福建省发树慈善基金会资助研究专项(MFK23006)
+1 种基金
国家自然科学基金(61972187)
福建省卫生健康重大科研专项(2021ZD01004)。
-
文摘
水声信号识别近年来备受关注,由于海洋信道具有时变空变性、信号传播的衰落特性和水下目标声源具有复杂多变性,水声信号识别任务面临巨大挑战.传统的水声信号识别方法难以充分获取目标的表征信息且不具备良好的抗噪声能力,识别效果有待提升.针对上述问题,本文提出一种基于多分支外部注意力网络(multi-branch external attention network,MEANet)的水声信号识别方法,可以在复杂海洋环境下充分获取水声信号的特征并进行识别.MEANet由多分支主干网络,通道、空间注意力模块和外部注意力模块组成.首先,输入数据通过多个并行的主干网络分支,提取水声信号不同层级的特征信息;其次,辅以通道、空间注意力模块对水声信号的通道和空间维度分别进行加权,调节不同通道和空间位置对特征表示的重要性;最后,整合外部注意力模块,以外部记忆单元和附加计算来引导网络的特征提取和预测,从而显著提高模型的识别率和鲁棒性.实验结果表明,本文提出的MEANet在ShipsEar数据集上的水声信号识别率达到98.84%,显著优于其他对比算法,证实了其有效性.
-
关键词
水声信号识别
多分支主干
注意力机制
音频分类
时频分析
-
Keywords
underwater acoustic target recognition
multi-branch backbone
attention mechanism
audio classification
time-frequency analysis
-
分类号
TB56
[交通运输工程—水声工程]
-
