面向原始辐射噪声的水声目标识别研究

水声目标识别是一项利用目标辐射噪声特性对目标属性进行判别的模式识别技术,具有十分重要的经济价值和军事价值。传统水声目标识别方法依靠信号处理技术对目标辐射噪声进行特征提取,进而通过人工识别或设计分类器识别的方法实现目标类别的判别。通过设计特征进行特征提取的过程中,不可避免会造成目标辐射信号中信息的损失,而深度神经网络依靠其多层网络结构,具备强大的特征提取能力。文章以一维卷积神经网络作为构建水声目标识别的基本模型,利用梅尔频率倒谱系数特征的提取思路,创造性地设计了MFCC1D卷积神经网络。结果显示,在ShipsEar数据集与水下目标信号构成的混合数据集上,设计方法的识别准确率达到96.4%。