摘要
水声目标识别是指利用水声信号对水下目标进行分类和识别的技术。近年来，水声目标识别技术在海洋资源开发、军事领域等方面具有重要应用价值。随着科技的不断进步，水声目标识别的研究也越来越受到人们的关注，水声的复杂性使得深度学习在水声识别任务中面临着诸多挑战。 首先，针对水声环境复杂、环境失配场景下的水声识别难点，为了提高识别效果，本文提出水声原始波形数据结合梅尔谱图的双流特征水声目标识别模型，基于门控激活机制的水声表征学习，通过一维卷积与二维卷积分别提取原始音频的特征与梅尔谱图的特征，并基于注意力机制实现特征的增强，最后利用动态卷积的特征融合机制对水声目标进行识别与预测。其次，由于双流模型具有较大的参数量和较高的训练成本，考虑如何能够接近双流网络性能的同时减少参数量，在保证准确率的基础上提高模型的识别效率，本文提出单流特征注入融合的水声目标识别模型，通过多尺度空洞卷积提取频率特征，利用TransformerEncoder实现辅助特征注入后的有效融合然后完成水声目标识别。最后，本文将设计的模型集成到应用中，设计水声目标识别系统以方便领域专家进行水声目标识别和识别结果分析，对数据导入、水声目标识别等相关需求进行分析，并对相关模块进行系统设计，最后阐述整个系统的核心功能实现与测试结果。 本文在构建的数据集上进行了实验，在设置的评估指标下将所提出的模型与其他先进方法进行对比，此外分别验证了本文模型的有效性。实验表明，双流特征融合模型准确率达到96.27%，同时为平衡性能和计算量提出的单流特征注入模型的准确率达到94.97%，在对比实验中本文提出的两种模型分别表现出了更优的性能。
NETL