利用多领域时间特征融合进行水下目标识别 刘晓春、 王晨宇、 杨云川、 杨向峰、 胡友峰、 刘建国

《Acoustics》：Underwater Target Recognition with Fusion of Multi-Domain Temporal Features Xiaochun Liu, Chenyu Wang, Yunchuan Yang, Xiangfeng Yang, Youfeng Hu and Jianguo Liu

　　

摘要

声学环境的动态特性——尤其是水下声道的波动和目标观察角度的变化——对主动声纳目标识别提出了重大挑战，而这一问题因标记训练样本的稀缺而变得更加严重。为了解决这些限制，本文提出了一种新的识别方法，该方法能够深度融合从目标回波中提取的多域时间特征。首先，我们在空间域、时频域和多普勒域中提取互补特征，以实现目标的全面和区分性表示。随后，我们引入了一种专为少样本学习设计的特征向量级融合机制，将元知识驱动的多流特征提取器与特征张量框架内的内部存储模块相结合。这种架构构成了多域时间特征融合识别网络（MTFF-RNet）。所提出的方法在结合模拟数据和实验数据的混合数据集上进行了评估，对于目标和干扰物均达到了96.2%的高识别准确率。实验结果表明，MTFF-RNet在不同的水下声学条件和动态观测几何形状下显著提高了鲁棒性和适应性。