基于迁移学习的水声目标识别
【摘要】 海洋声场环境的时变空变特性、水声目标发声机理的多源性以及其他噪声源的干扰, 给水声目标的检测和识别带来很多困难. 常规的目标识别手段主要是基于音频时频域特征分析, 在复杂海洋环境下的难以获取有效的表征特征及鲁棒的识别效果. 为了解决这些问题, 本文提出了基于迁移学习的水声目标识别, 分别利用预训练网络VGG和VGGish提取深层声学特征及模型微调, 实现水声目标的分类识别. 实验表明, 本文提出的识别算法有效提升了识别准确率, 减少了训练时间, 基于微调的迁移学习算法在水声目标识别上平均准确率为92.48%, 取得了当前最好的识别结果.
