陈德昊，林建恒，衣雪娟，孙军平，江鹏飞，李承帮

(1. 中国科学院大学，北京100049；2. 中国科学院声学研究所北海研究站，山东青岛266114)

0 引 言

传统的水声目标识别常采用线谱、DEMON谱、高阶谱和希尔伯特-黄变换等特征提取方法，并采用专家系统和人工神经网络实现分类验证[1-7]。由于水下环境的复杂性，基于专家系统和人工神经网络的分类结果鲁棒性和泛化能力较差。程锦盛等[8]于 2018年将深度学习方法用于梅尔倒谱系数(Mel Frequency Cepstral Coefficient, MFCC)和Gammatone倒谱系数特征的深度提取和识别学习，得出卷积神经网络在结合 Gammatone倒谱系数特征时可达到 99.8%的识别率。同时，文献等[9-10]也将Gammatone倒谱系数作为16种水下声信号的识别特征，得出了该特征有利于水下声信号识别的结论。Feroze等[11]通过用256种特征组合和5种分类器对比研究了不同分类方案下的分类结果，得出过零率更适用于人为噪声特征、梅尔倒谱系数更适用于鱼噪声特征的结论。Wei等[12]将基于梅尔倒谱系数的声谱图作为卷积神经网络的输入图像特征，得出该分类方案可实现对水下声信号有效分类的结论。尽管一维特征有着广泛应用，但图像特征仍有着较大的应用需求和应用价值。

时频图特征作为一种图像特征，是水声信号研究中比较容易获取的一种特征，可以反映水下声信号频率随时间变化的信息。常见的时频变换方式有短时傅里叶变换、维格纳分布和小波变换，小波变换相比前两者有可自适应调节的时频分辨率和更快速的算法。……