动态水声环境中的SE_ResNet模型目标识别方法
针对在无法预知海域信息的情况下,如何保证较高识别稳定性的关键问题,本文构建了SE_ResNet网络利用对卷积操作通道的自适应加权方法,学习不同特征信息,增加网络的鲁棒性,使得网络可以自适应地识别不同声场环境下的目标.基于 2 组不同的实测水声数据集进行实验,其中实验 1 说明在-20~20 dB信噪比范围内,SE_ResNet网络的识别能力均优于其他网络,实验 2 说明在高信噪比下,SE_ResNet网络对类间相似度较低的数据集有很高的识别率,对相似度较高的数据集也具有很好的识别效果.结果表明SE_ResNet网络有较强的鲁棒性.
动态环境、水下目标、目标识别、SE_ResNet模型、深度学习、神经网络、鲁棒性、信噪比
44
TP391.42(计算技术、计算机技术)
国家自然科学基金11774291
2023-06-09(万方平台首次上网日期,不代表论文的发表时间)
共8页
939-946