基于深度学习的水下目标姿态识别

李秀坤， 徐天杨， 嵇守聪

(1.哈尔滨工程大学 水声技术重点实验室，黑龙江 哈尔滨 150001； 2.海洋信息获取与安全工业和信息化部重点实验室(哈尔滨工程大学)，黑龙江 哈尔滨 150001； 3. 哈尔滨工程大学 水声工程学院，黑龙江 哈尔滨 150001)

研究水下目标声散射物理机理，建立散射信号参数与目标属性之间的函数关系是获取目标属性信息的关键。根据目标声散射特性，回波可分为几何声散射回波与弹性声散射回波[1]。声呐目标回波亮点模型是目标散射回波分析的有效工具[2-3]。结合该模型中的理论，根据不同声波入射角度下目标声散射成分的时序关系可以对回波角度进行识别。

分数阶傅里叶变换是一种具有良好的脉冲压缩性能的时频分析方法[4]，适用于分析具有线性调频特性的非平稳信号，在主动声呐目标探测识别中具有的广泛应用[5]。在发射线性调频信号的情况下，目标回波具有与发射信号相似的调频特性，在分数阶变换域中回波成分具有最佳变换阶数[6]。根据变换关系，利用最佳变换域的结果可以进行信号的参数估计[7]。

基于浅层学习的传统模式识别方法依赖于人为提取的特征向量，且参数无法进行自学习，对于大样本、高维数据的分类识别效果有限。深度学习方法克服了传统方法在高维数据表征能力的不足，根据训练数据调整参数，提取数据的深层特征，准确地实现分类任务[8]。深度学习方法在水声领域已得到广泛地应用。Fischell提取目标回波的几何散射强度和三维散射场特征，实现对球体和圆柱体目标形状和成分的分类[9]。……