水下目标多模态深度学习分类识别研究

摘要：

水下目标的分类识别对于水声探测具有重要意义.该文提出一种水下目标多模态深度学习分类识别方法.针对水声信号的一维时域模态和二维频域模态特征建立一种多模态特征融合的深度学习结构,结合长短时记忆网络和卷积神经网络的优点,对一维时域信号和二维频谱信号分别进行并行处理,对输出进行典型相关分析,形成特征融合表示,并利用相邻帧的相关性进行参数优化.利用实测水声信号对算法进行了验证.结果 表明:提出的算法对于水下目标识别的精度有显著的提高.

关键词：水下目标识别、长短时记忆网络、卷积神经网络、典型相关分析

所属期刊栏目：38

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2019-09-04（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：589-595