基于對抗殘差網絡的復雜海況艦船目標類型識別技術研究

打開文本圖片集

摘 要：近年來隨著深度學習理論在水聲領域的應用，水中目標識別技術研究取得了巨大進步。然而在工程應用實踐中，應用傳統(tǒng)的特征提取和分類器方法拼接得到的識別模型難以維持實驗室性能，復雜多變的海洋信道使聲信號在傳感器接收前發(fā)生劇烈畸變，導致識別算法出現(xiàn)特征失配和過擬合問題，算法性能急劇下降。針對以上問題，提出了一種對抗殘差網絡（Ａｄｖｅｒｓａｒｉａｌ Ｒｅｓｉｄｕａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，ＡＲＮＮ） 模型，利用梯度反向層（Ｇｒａｖｉｔｙ Ｒｅｖｅｒｓａｌ Ｌａｙｅｒ，ＧＲＬ） 結構和雙標簽對抗訓練的方式補償了不同水文條件下信道傳播之間的差異性，使算法更能夠聚焦到能夠表征目標本質的特征上，具有更強的魯棒性和更高的識別率。（剩余369字）