基于卷积神经网络的水下目标特征提取方法

王念滨, 何 鸣,2, 王红滨, 郎泽宇

(1. 哈尔滨工程大学计算机科学与技术学院, 黑龙江 哈尔滨 150001;2. 黑龙江科技大学计算机与信息工程学院, 黑龙江 哈尔滨 150022)

0 引 言

水下目标自动识别是目标识别技术研究的一个重要领域,也是水声信号处理领域的突出难题。为此,国内外的学者们从多方面进行了研究,并且提出了多种解决方法。目前,水下目标特征提取存在的问题,单一特征表示的片面性,因此,如何把时域信号和频域信号有效的融合,实现基于信号融合的特征提取方法成为本文需要解决的关键问题。针对这样的问题,本文利用低频分析与记录(low frequency analysis and recording, LoFAR)谱图实现了两种信号的有效融合,LoFAR谱图保留了信号在时间和频率两个维度的信息。目前的特征提取工作需要大量的人工参与,这些操作都过于依赖人的主观意识和经验积累[1-4]。选取的特征不同对分类效果的影响也很大,同时对数据预处理也影响到特征提取的好坏。本文的研究就是针对当前研究的不足,对基于卷积神经网络(convolution neural network, CNN)的水下目标特征提取方法进行了研究。在本文的研究中,主要采用了具有端到端处理能力的深层神经网络,利用其自学习的特点隐式地提取目标特征并寻找到分类边界,最终提高了特征提取的质量。

1 卷积神经网络

1.1 卷积神经网络算法

CNN通过对输入数据的逐层线性和非线性映射处理,这种网络结构能够有效且更加抽象的描述出具有复杂分布的图像信息,从而提取出深层次的图像特征。……