基于改进TCN模型的野外运动目标分类

摘要：

野外运动目标信号的背景噪声复杂,利用单模态声音信号进行野外目标分类识别率低且鲁棒性差.针对该问题,提出一种基于声震多模态融合的网络模型.借鉴DenseNet网络密集连接的思想改进时域卷积网络,从而对四通道声音信号和单通道震动信号进行深层次的特征提取,并将两种信号相互融合得到最终的目标分类结果.同时,使用带权重的损失函数解决因数据不均衡导致的泛化性能差的问题.实验结果表明,融合网络的识别准确率达到92.92％,较单模态输入网络提高了6.63％～9.46％,且该网络具有较强的鲁棒性.

关键词：声震信号;多模态融合;时域卷积网络;密集连接;运动目标分类

所属期刊栏目：47

分类号：TP18(自动化基础理论)

资助基金：微系统技术重点实验室基金6142804190304

在线出版日期：2021-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：106-112