| 采用GAF-D3Net深度学习网络的水下目标有源识别方法 |
| |
| 引用本文： | 周天,司吉坤,杜伟东,于晓阳.采用GAF-D3Net深度学习网络的水下目标有源识别方法[J].声学学报,2023(5):950-958. |
| |
| 作者姓名： | 周天 司吉坤 杜伟东 于晓阳 |
| |
| 作者单位： | 1. 哈尔滨工程大学水声技术全国重点实验室;2. 工业和信息化部海洋信息获取与安全工信部重点实验室(哈尔滨工程大学);3. 哈尔滨工程大学水声工程学院;4. 哈尔滨工程大学三亚南海创新发展基地;5. 极地海洋声学与技术应用教育部重点实验室 |
| |
| 基金项目： | 国家自然科学基金项目(42176188,41976176,52001097)；;水声技术重点实验室稳定支持课题(JCKYS2021604SSJS007)资助； |
| |
| 摘 要： | 提出一种基于格拉姆角场(GAF)和卷积神经网络(CNN)的水下目标有源识别方法。该方法利用GAF将目标回波信号编码为二维图像,使用空洞卷积构建轻量级的卷积神经网络GAF-D3Net实现对目标的特征提取与分类识别。实验表明,与基于传统图像特征的分类方法相比,所提方法的分类精度有显著提高,达到99.65%。在泛化性测试中,对比了经典CNN使用声呐图像的迁移学习方法,本文方法的曲线下面积(AUC)达到89%,具有更好的泛化性能以及抗干扰能力,为实现水下目标有源识别提供了一种可靠方法。
|
| 关 键 词： | 水下目标识别 单波束 格拉姆角场 卷积神经网络 深度学习 |
|
|
