摘要
针对在无法预知海域信息的情况下,如何保证较高识别稳定性的关键问题,本文构建了SE_ResNet网络利用对卷积操作通道的自适应加权方法,学习不同特征信息,增加网络的鲁棒性,使得网络可以自适应地识别不同声场环境下的目标.基于 2 组不同的实测水声数据集进行实验,其中实验 1 说明在-20～20 dB信噪比范围内,SE_ResNet网络的识别能力均优于其他网络,实验 2 说明在高信噪比下,SE_ResNet网络对类间相似度较低的数据集有很高的识别率,对相似度较高的数据集也具有很好的识别效果.结果表明SE_ResNet网络有较强的鲁棒性.
国家科技期刊平台
NSTL
万方数据