【技术实现步骤摘要】
本申请的实施例涉及水声目标识别，特别涉及一种基于混合域注意力机制的水声目标识别方法。
技术介绍
1、水声目标识别是一项利用目标辐射噪声信号对目标进行分类和辨识的技术，能否提取到可靠的特征，将会直接影响到水声目标识别的识别率。海洋声环境十分复杂，截止到目前，海洋声场也没有被完全探知，这导致无法建立精确的海洋声场仿真环境，这使得水听器接收到的水声目标信号往往附带有各种噪声，这对依赖于目标辐射噪声的水声目标识别带来了极大的挑战，能否在水声数据样本噪声失配的条件下对目标进行准确的分类，成为了衡量水声目标识别系统好坏的重要标准。
2、深度学习模型的特点在于能够通过卷积神经网络模型中的多隐层结构自动提取输入数据的特征，进而完成分类识别，基于此，深度学习模型近年来开始被广泛应用于水声目标识别领域，一种较为成熟的方案是通过加深卷积神经网络模型的层数来提取输入数据样本不同层中有效的特征，进而提高识别的精度。而在实际应用中，随着模型层数的不断堆砌，模型的正确识别率的提升逐渐接触到了瓶颈，出现了饱和，并且随着层数的继续加深，错误识别率反而有所提升...
【技术保护点】
1.一种基于混合域注意力机制的水声目标识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于混合域注意力机制的水声目标识别方法，其特征在于，所述预处理层由一个步长为2且卷积核大小为3×1的卷积层、以及一个步长为2且卷积核大小为3×1的最大池化层组成；
3.根据权利要求1所述的一种基于混合域注意力机制的水声目标识别方法，其特征在于，每一个所述残差模块均由两个卷积核大小为3×1的残差块顺序连接组成，所述残差块包括第一残差块和第二残差块，所述第一残差块的输入与所述第二残差块的输出之间建立有残差连接；
4.根据权利要求3所述...
【技术特征摘要】
1.一种基于混合域注意力机制的水声目标识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于混合域注意力机制的水声目标识别方法，其特征在于，所述预处理层由一个步长为2且卷积核大小为3×1的卷积层、以及一个步长为2且卷积核大小为3×1的最大池化层组成；
3.根据权利要求1所述的一种基于混合域注意力机制的水声目标识别方法，其特征在于，每一个所述残差模块均由两个卷积核大小为3×1的残差块顺序连接组成，所述残差块包括第一残差块和第二残差块，所述第一残差块的输入与所述第二残差块的输出之间建立有残差连接；
4.根据权利要求3所述的一种基于混合域注意力机制的水声目标识别方法，其特征在于，每一个所述混合域注意力层均由一个通道注意力模块和一个时间注意力模块顺序连接组成；
5.根据权利要求4所述的一种基于混合域注意力机制的水声目标...
【专利技术属性】
技术研发人员：曾向阳，晋安其，王海涛，任树伟，雷烨，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。