基于 ATCNN 的水下声学目标特征提取与识别方法
声音
2020-12-01 v1 音频与语音处理
摘要
面对复杂的海洋环境，利用舰船辐射噪声进行水下声学目标识别（UATR）极具挑战性。受听觉感知神经机制的启发，本文提出了一种由原始水声信号训练的深度神经网络，采用深度可分离卷积（DWS）与时延卷积神经网络，命名为听觉感知启发的时延卷积神经网络（ATCNN），进而实现水声信号的检测与分类。所提出的 ATCNN 模型由受听觉感知启发的可学习特征提取器和整合层，以及受语言模型启发的时延卷积组成。本文利用深度可分离卷积滤波器将原始时域舰船辐射噪声信号分解为不同频率分量，随后基于听觉感知提取信号特征。深层特征在整合层上集成。时延卷积用于长期上下文建模。因此，如同语言模型，类内与类间信息可被充分利用以进行 UATR。对于 UATR 任务，分类准确率达到 90.9%，为对比实验中的最高值。实验结果表明，ATCNN 在提升 UATR 分类性能方面具有巨大潜力。
引用
@article{arxiv.2011.14336,
title = {An Features Extraction and Recognition Method for Underwater Acoustic Target Based on ATCNN},
author = {Gang Hu and Kejun Wang and Liangliang Liu},
journal= {arXiv preprint arXiv:2011.14336},
year = {2020}
}