基于深度学习的水下目标识别方法研究
2021-01-19王升贵胡桥陈迎亮叶明刚
舰船科学技术 2020年12期
王升贵,胡桥,陈迎亮,叶明刚
(1. 中国船舶集团公司 第七〇五研究所昆明分部,云南 昆明 650118;2. 西安交通大学机械学院,陕西 西安 710049)
0 引 言
水下目标的分类识别是水声领域研究的热点问题,对于现代海洋装备目标探测尤为关键。最早兴起的目标分类辨识技术是机器学习,基于机器学习的水下目标分类可以摆脱人工经验限制,比传统信号分析更加精准有效,但由于其需要复杂的特征工程结构进行分类决策,识别精度存在瓶颈,无法进行多任务学习,难以满足水下目标智能辨识高精度的要求,越来越多的学者开始将深度学习引入水下目标的智能辨识以解决上述问题。深度学习是一种利用非线性信息处理技术实现多层次、有监督或无监督的特征提取和转换,并进行模式分析和分类的机器学习理论和方法。2006 年,由加拿大多伦多大学Hinton 等首次提出深度学习的概念,并将理论模型发表于Science 期刊,开启了深度学习领域的浪潮[1]。此后,随着各国学者不断探索,深度学习理论不断在医学、教育、工业等研究领域取得重大成果。
在水下目标处理方面,由于深度学习理论可以打破现有的水声目标识别中对先验知识和特征提取方法等的依赖,能够从原始信号进行学习,完成特征提取,极大降低噪声的影响,实现分类决策的自主化与智能化,近年来也有学者在进行不断深入的研究。2017 年,杨宏晖等[2]采用混合正则化深度置信网络进行舰船辐射噪声识别,表明通过描述深度特征能够提高水声目标识别率。……
登录APP查看全文
