基于深度自编码网络的舰船辐射噪声分类识别

作     者：严韶光 康春玉 夏志军 李昆鹏 YAN Shao-guang;KANG Chun-yu;XIA Zhi-jun;LI Kun-peng

作者机构：海军大连舰艇学院研究生队辽宁大连116018 海军大连舰艇学院水武与防化系辽宁大连116018 

出 版 物：《舰船科学技术》 (Ship Science and Technology)

年 卷 期：2019年第41卷第3期

页      面：124-130页

学科分类：08[工学] 0824[工学-船舶与海洋工程] 082401[工学-船舶与海洋结构物设计制造] 

基　　金：国家自然科学基金资助项目(61471378) 

主　　题：被动声呐 目标分类识别 深度自编码网络 

摘      要：针对水下被动声呐目标分类识别问题,借签深度学习网络在图像、语音等领域的成功运用,提出一种基于深度自编码网络的舰船辐射噪声分类识别方法。首先使用Welch功率谱估计方法获得舰船辐射噪声的功率谱特征,然后对原始训练样本集结构优化得到新训练样本集,并构建训练深度自编码网络。依据总体正确识别概率和各类目标正确识别概率对网络参数进行优化设置,实现对舰船辐射噪声的分类识别。经过大量海上实录舰船辐射噪声的分类识别实验,验证了该方法的可行性和实用性。对比BP神经网络分类器,具有更高的正确分类识别概率。