一种基于样本映射的少样本水声目标识别方法技术

本发明专利技术提供了一种基于样本映射的少样本水声目标识别方法；包括：步骤1，在基数据集上做分类任务训练一个特征提取模块用以对新类的特征提取；步骤2，使用训练好的特征提取模块对新类的样本进行特征提取，并计算每个类的平均特征，根据样本对每个类的中心特征的相似度来将基数据集上的样本映射至新类组成的类型空间中，并给其标记上伪标签；步骤3，使用带伪标签的基数据集样本和支持集样本共同对模型进行微调以拟合新类的特征识别。本发明专利技术方法针对在少样本的情况下对水中目标进行检测时，相比于其他的模型具有更高的准确率，同时在加噪的情况下同样可以获得较好的效果。的情况下同样可以获得较好的效果。的情况下同样可以获得较好的效果。

【技术实现步骤摘要】
一种基于样本映射的少样本水声目标识别方法


[0001]本专利技术属于水声目标领域；尤其涉及一种基于样本映射的少样本水声目标识别方法。

技术介绍

[0002]随着海洋战略地位的日益突显，开发利用海洋资源和空间成为一项重要的课题。然而水下信息获取较为困难，声波是目前在海洋中唯一能够进行远距离传播的能量形式，从20世纪60年代开始，世界各国就一直在水声目标识别相关研究工作给予大量投入。针对现代化战争中水下探测的需求，基于声音信号的水下目标分类识别也成为了水下探测领域的研究热点。
[0003]由于被动声纳具有隐蔽性强，传输距离长等优点，水下目标辐射噪声通过被动声纳采集是水声目标识别的主要信息来源。被动声纳系统具有良好的隐蔽性和灵活性，因此，如何利用被动声纳获取的舰船辐射噪声进行水下目标探测与识别成为了亟需解决的问题的关键。但由于各种舰船隐身技术的应用以及海洋环境的复杂多样，基于舰船辐射噪声的水下目标识别任务面临着巨大挑战。
[0004]传统的目标识别方法主要是：基于研究者的经验使用某种方法对原始信号进行特征提取。但该方法存在以下不足：速本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于样本映射的少样本水声目标识别方法，其特征在于，包括以下步骤：步骤1，在基数据集上做分类任务训练一个特征提取模块用以对新类的特征提取；步骤2，使用训练好的特征提取模块对新类的样本进行特征提取，并计算每个类的平均特征，根据样本对每个类的中心特征的相似度来将基数据集上的样本映射至新类组成的类型空间中，并给其标记上伪标签；步骤3，使用带伪标签的基数据集样本和支持集样本共同对模型进行微调以拟合新类的特征识别。2.如权利要求1所述的基于样本映射的少样本水声目标识别方法，其特征在于，所述步骤1的具体步骤为：在基数据集下，使用多分类的训练方式训练一个由特征提取器和分类层g
φ
组成的卷积神经网络，使用交叉熵损失函数对模型进行优化；和φ
base
分别为优化后的特征提取器和分类器的参数，在训练结束后，特征提取器将用于下游的少样本识别任务，而分类器将被舍弃，该步骤所使用的公式如(I)所示：3.如权利要求1所述的基于样本映射的少样本水声目标识别方法，其特征在于，所述步骤2的具体步骤为：固定特征提取器的参数对支持集上类i的样本提取特征向量e
i
，如果每个类有多个样本，则求平均值作为该类的特征向量，其中x
k

【专利技术属性】
技术研发人员：崔晓东，朱培灿，薛洋涛，王震，李学龙，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：