基于优化二维变分模态分解与迁移学习的水下目标识别方法

付同强, 胡 桥, 刘 钰, 郑惠文

基于优化二维变分模态分解与迁移学习的水下目标识别方法

付同强1, 3, 胡 桥1, 2, 3, 刘 钰1, 3, 郑惠文1, 3

(1. 西安交通大学 机械工程学院, 陕西 西安, 710049; 2. 西安交通大学 机械制造系统工程国家重点实验室, 陕西 西安, 710049; 3. 西安交通大学 陕西省智能机器人重点实验室, 陕西 西安, 710049)

由于海洋环境的复杂多变性, 使得传统的水声目标识别方法应用于水下目标智能识别具有一定的局限性。基于单一域特征构建的数据集难以表征目标信号的全局信息, 传统机器学习与深度学习方法对小样本目标的泛化能力低。针对复杂海洋环境下传统水下目标识别方法精度和效率不高的难题, 文中提出了基于优化二维变分模态分解(2D-VMD)与迁移学习的水下目标识别方法。该方法通过小波变换获得水下目标时频图, 并采用优化2D-VMD方法自适应选取有效模态, 实现目标有效模态与噪声模态的分离, 完成了时频图的去噪并提取了图像经典的纹理特征进行对比分析。最后通过采用迁移学习的策略, 实现了基于InceptionV3的模型迁移验证, 完成了水下目标小样本数据集下的分类识别。结合ShipsEar中5类水下目标的分类测试试验, 结果表明: 基于优化2D-VMD与迁移学习的水下目标识别方法具有良好的特征提取与去噪能力, 同时兼顾了水下目标识别的精度与效率要求, 为海洋装备智能目标探测与识别提供了理论与技术支撑。

水下目标识别; 时频分析; 二维变分模态分解; 迁移学习