宋奎勇周连科王红滨

(1.哈尔滨工程大学 计算机科学与技术学院,哈尔滨 150000;2.呼伦贝尔职业技术学院 信息工程系,内蒙古 呼伦贝尔 021000)

0 引 言

海洋环境复杂多变,水下目标识别困难重重。近年来,海上船舶数量越来越多,频繁活动带来的背景噪声增加了目标识别的任务难度,单一传感器在这种环境下显得力不从心,精度不高。多源传感器融合是一种有效提高识别精度的方法,得到广泛的研究并取得很好的效果。水下传感器融合是当前目标识别研究的热点和难点[1-3]。

信息融合可定义为利用计算机技术对按时序获得的若干传感器的观测信息,在一定准则下加以自动分析、综合以完成所需要的决策和估计任务而进行的信息处理过程。数据融合可分为像素级融合、特征级融合和决策级融合[4-6]。像素级融合指在原始数据上进行融合,对原始数据未作任何处理。特征级融合首先对传感器原始信息进行特征提取,然后对其进行综合分析和处理。一些经典的特征融合方法包括主成分分析(PCA:Principal Component Analysis)、线性判别分析(LDA:Linear Discriminant Analysis)、等度量映射(ISOMAP:Isometric Mapping)和局部线性嵌入(LLE:Linear Locally Embedding)等[7]。近年来,自编码器(AE:Autoencoder)作为一种非线性特征融合方法被广泛关注,许多自编码器模型被提出[8-9],如基本自编码器(BAE:Basic AE)、去噪自编码器(DAE:Denosing AE)、压缩自编码器(CAE:Contractive AE)和强壮自编码器(RAE:Robust AE)等。自编码器被广泛应用于特征级数据融合[10-11]。

针对水下试验数据噪声大、维数高的特点,笔者提出一种结合去噪自编码和降维的多角度特征级融合方法。……