李启飞, 吴 芳, 韩蕾蕾, 范赵鹏, 李沛宗

基于AlexNet迁移学习的磁异常信号检测方法

李启飞1,2, 吴 芳1, 韩蕾蕾1, 范赵鹏3, 李沛宗1

(1. 海军航空大学 战勤学院, 山东 烟台, 264001; 2. 中国人民解放军91550部队, 辽宁 大连, 116000; 3. 中国人民解放军91001部队, 北京, 100080)

航空磁探反潜是通过磁探仪检测磁异常信号, 进行航空反潜的重要手段。针对水下目标的磁异常信号在低信噪比条件下难以检测的问题, 提出使用基于AlexNet迁移学习的磁异常信号检测方法。该方法基于卷积神经网络原理, 通过对水下目标不同态势、航空磁探平台不同飞行路线和速度情况进行仿真, 得到大量信号序列, 对其加高斯白噪声, 从而模拟磁探平台测得信号。随后对其进行短时傅里叶变换得到时频图, 并利用深度卷积神经网络模型AlexNet对时频图特征进行迁移学习训练, 最后利用测试集数据对训练后的AlexNet网络进行测试, 实现对低信噪比条件下水下目标磁异常信号的检测。仿真结果表明, 在信噪幅度比为-8 dB、虚警率为3%情况下, 对磁异常信号的检测概率达到93%。

航空反潜; 磁异常信号; 检测; 时频分析; AlexNet; 迁移学习

0 引言

航空磁探测作为当今有效的磁探测手段, 已被广泛应用到地磁场测量、地磁异常检测、航空物探等民用领域[1]以及水下目标检测等军用领域[2]。由于水下目标中含有的大量铁磁性物质, 会对附近的磁场造成一定程度的扰动, 通过对这些扰动, 即地磁异常的测量与检测, 就能够实现对水下目标的检测。

传统磁异信号检测算法有正交基(orthogonal basis function, OBF)分解[3]及其延续算法[4-7]、随机共振检测[8]、主成分检测[9]、熵滤波器检测[10]、高阶过零检测[11]等。……