时频谱图和数据增强的水声信号深度学习目标识别方法

摘要

水声目标识别一直是水声领域研究的重点问题之一,深度学习方法可以有效地解决目标识别问题,然而,水声样本的稀少限制了该方法的应用.该文提出一种基于数据增强的水声信号深度学习目标识别方法,该方法以Mel功率谱作为网络的输入特征,通过对原始信号在时域和时频域的拉伸和掩蔽等变换,实现数据扩展和增加泛化性能的目的,最后,利用改进的VGG网络模型实现目标分类.实验结果表明,该文方法得到的水下目标识别准确率(95.2％)要优于其他4种对比方法,证明了该文提出的网络模型和数据增强方法均有助于提高目标分类性能.