对抗性多任务水下声学目标识别：面向多种影响因素下的鲁棒性
声音
2024-11-06 v1 机器学习
摘要
基于被动声呐的水下声学目标识别在实际海洋应用中面临诸多挑战。其中主要挑战之一在于信号特征易受多种环境条件和数据采集配置的影响，这可能导致识别系统的不稳定性。虽然在其他水下声学领域已投入大量精力应对这些影响因素，但在水下声学目标识别领域它们往往被忽视。为克服这一局限，本研究设计了辅助任务，利用可用标注对影响因素（如源距离、水柱深度或风速）进行建模，并采用多任务框架将这些因素与识别任务相连接。此外，我们将对抗学习机制融入多任务框架中，促使模型提取对影响因素具有鲁棒性的表示。通过在 ShipsEar 数据集上的大量实验与分析，所提出的对抗性多任务模型展示了其有效建模影响因素的能力，并在 12 类识别任务上取得了最先进的性能。
引用
@article{arxiv.2411.02848,
title = {Adversarial multi-task underwater acoustic target recognition: towards robustness against various influential factors},
author = {Yuan Xie and Ji Xu and Jiawei Ren and Junfeng Li},
journal= {arXiv preprint arXiv:2411.02848},
year = {2024}
}