-
题名密集连接神经网络在远距离水声目标探测中的性能分析
- 1
-
-
作者
胡梦璐
冯海泓
洪峰
毛海全
-
机构
中国科学院声学研究所东海研究站
中国科学院大学
-
出处
《声学技术》
CSCD
北大核心
2024年第6期782-789,共8页
-
基金
崂山实验室科技创新项目(LSKJ202205105)
重点实验室基金项目(2022-JCJQ-LB-033-07)
+1 种基金
上海市自然科学基金面上项目(22ZR1475700)
上海市人才发展基金(2020011)。
-
文摘
由于水声目标辐射噪声的低信噪比特性,探测远距离水声目标具有一定挑战。为提升远距离水声目标探测的准确率,文章提出一种基于密集连接神经网络和自注意力机制的方法。该方法提取信号的梅尔倒谱系数作为特征,在密集连接神经网络头部添加自注意力模块以捕获关键信息,经过多个密集块后输出探测结果。在实测数据集上进行实验,分析了自注意力机制添加与否、输入特征不同、接收端深度不同时模型的性能变化。应用在未来几天的数据测试模型的任务中,探测范围在小于10 km时,探测准确率为93.3%,探测范围扩大至20 km时,探测准确率为90.34%。实验结果表明,模型在信噪比不小于−6 dB时实现了水声目标探测,在增加更多的低信噪比样本后,仍具有一定探测能力,且其性能优于其他模型。此外,训练集包含多种信噪比条件下的数据时,探测性能会有进一步提升。
-
关键词
密集连接神经网络
水声目标探测
深度学习
特征提取
信噪比
-
Keywords
densely connected neural network
underwater acoustic target detection
deep learning
feature extraction
signal-to-noise ratio
-
分类号
TB566
[交通运输工程—水声工程]
-
