水聲目標(biāo)識(shí)別技術(shù)是水聲信號(hào)處理的重要組成部分,是水聲信息獲取與水聲信息對(duì)抗的重要技術(shù)支撐。針對(duì)水聲目標(biāo)識(shí)別時(shí)探測(cè)數(shù)據(jù)量大、自動(dòng)化程度不高、識(shí)別效率低下等問題,研究了深度學(xué)習(xí)在水聲目標(biāo)識(shí)別中的應(yīng)用。首先,介紹了水聲目標(biāo)識(shí)別技術(shù)的研究現(xiàn)狀及當(dāng)前形勢(shì)下面臨的挑戰(zhàn)。然后,對(duì)深度學(xué)習(xí)的網(wǎng)絡(luò)結(jié)構(gòu)原理及改進(jìn)型進(jìn)行了分析,并分別對(duì)深度學(xué)習(xí)在水聲聲信號(hào)識(shí)別領(lǐng)域和水聲圖像信號(hào)識(shí)別領(lǐng)域的應(yīng)用現(xiàn)狀做了闡述。最后,指出了由于受當(dāng)前技術(shù)條件和水下復(fù)雜環(huán)境的制約,此方法尚且存在著不足之處。該方法為進(jìn)一步優(yōu)化深度學(xué)習(xí)算法、拓展深度學(xué)習(xí)技術(shù)應(yīng)用范疇、提升水聲目標(biāo)識(shí)別效率提供了參考。 

【文章來源】：數(shù)字海洋與水下攻防. 2020,3(01)

【文章頁數(shù)】：7 頁

【部分圖文】：

深度置信網(wǎng)絡(luò)結(jié)構(gòu)圖

卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

【參考文獻(xiàn)】：
期刊論文
[1]水聲被動(dòng)目標(biāo)識(shí)別技術(shù)挑戰(zhàn)與展望[J]. 程玉勝,邱家興,劉振,李海濤.  應(yīng)用聲學(xué). 2019(04)
[2]基于目標(biāo)MFCC特征的監(jiān)督學(xué)習(xí)方法在被動(dòng)聲吶目標(biāo)識(shí)別中的應(yīng)用研究[J]. 程錦盛,杜選民,周勝增,曾賽.  艦船科學(xué)技術(shù). 2018(17)
[3]一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的水下光電圖像質(zhì)量?jī)?yōu)化方法[J]. 張清博,張曉暉,韓宏偉.  光學(xué)學(xué)報(bào). 2018(11)
[4]基于降噪自編碼器的水中目標(biāo)識(shí)別方法[J]. 陳越超,徐曉男.  聲學(xué)與電子工程. 2018(01)
[5]基于Faster-RCNN和多分辨率SAR的海上艦船目標(biāo)檢測(cè)[J]. 胡炎,單子力,高峰.  無線電工程. 2018(02)
[6]深度學(xué)習(xí)在魚類圖像識(shí)別與分類中的應(yīng)用[J]. 林明旺.  數(shù)字技術(shù)與應(yīng)用. 2017(04)
[7]基于深度卷積神經(jīng)網(wǎng)絡(luò)的船舶識(shí)別方法研究[J]. 趙亮,王曉峰,袁逸濤.  艦船科學(xué)技術(shù). 2016(15)
[8]基于聽覺感知機(jī)理的水下目標(biāo)識(shí)別研究進(jìn)展[J]. 徐新洲,羅昕煒,方世良,趙力.  聲學(xué)技術(shù). 2013(02)
[9]艦船輻射噪聲的響度和音色特征模型[J]. 曹紅麗,方世良.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(02)
[10]HHT與神經(jīng)網(wǎng)絡(luò)在艦船目標(biāo)特征提取中的應(yīng)用[J]. 趙安邦,沈廣楠,陳陽,周彬,李桂娟.  聲學(xué)技術(shù). 2012(03)

博士論文
[1]自主水下航行器的光視覺認(rèn)知技術(shù)研究[D]. 王博.哈爾濱工程大學(xué) 2017



本文編號(hào)：3362539