用于水声目标信号时频特征提取与识别的深度卷积神经网络

摘要

cqvip:在水下目标识别的军事任务中,被动声纳系统具有较好的隐蔽性和灵活性。利用舰船辐射噪声进行被动水声目标识别由于海洋环境复杂性以及舰船隐身技术的应用而面临巨大的挑战。根据水声信号特点,在通用深度卷积神经网络的基础上调整了网络的特征提取方法,从舰船辐射噪声时频特征的出发设计了用于水下目标识别的深度网络模型,一定程度上加强了深度网络提取到的特征可解释性,更有助于提取到具有一定物理意义的特征。实验结果表明,经过调整的深度卷积神经网络可以提取到具有一定物理意义的谱特征,在六类分类实验中网络正确识别率达到75.1%,识别率显著提高。