首页 | 本学科首页   官方微博 | 高级检索  
     

结合多尺度卷积网络和双端注意力机制的水声目标识别
作者姓名:刘承伟  洪峰  冯海泓  胡梦璐
作者单位:中国科学院声学研究所东海研究站, 上海 201805;中国科学院大学, 北京 100049
基金项目:国家自然科学基金资助项目(11574249,11074202);青岛海洋科学与技术试点国家实验室“问海计划”(2021WHZZB1005)。
摘    要:水声目标识别是被动声呐系统的主要应用之一。为了进一步提升小样本条件下水下目标的识别率,文章提出一种基于多尺度卷积和双端注意力机制相融合的方法。首先,提取梅尔倒谱系数,色度谱和计算谱对比度等特征,建立基于多类别特征子集的三维聚合特征。其次,采用多尺度卷积滤波器算子构造多分辨率卷积神经网络,以更好地适应三维聚合特征的时频结构。另外,采用双端注意力模型捕获样本的全局依赖和局部特性。采用基于指数加权的对数交叉熵函数作为损失函数,提升样本数较少类别的识别率。实验结果表明,该方法在ShipsEar数据上的平均识别率为95.5%,取得了较好的分类效果。

关 键 词:水下目标识别  注意力机制  多尺度卷积  特征融合
收稿时间:2021-08-03
修稿时间:2021-10-15
点击此处可从《声学技术》浏览原始摘要信息
点击此处可从《声学技术》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号