一种基于GRU-NIN模型的水声目标识别方法

摘要

本发明公开了一种基于GRU‑NIN模型的水声目标识别方法，本发明方法基于多层堆叠GRU结构，将多层堆叠GRU结构顶层所有GRU输出的隐含状态作为MLP卷积操作中输入的多通道特征图，通过一层1x1卷积微网络，实现了不同滤波器得到的多通道特征图之间的整合，使网络学习到复杂的跨特征图特征，同时压缩GRU隐含状态维度；MLP卷积层后连接全局平均池化层，计算MLP卷积后特征图的空间平均，然后将输出馈入Softmax层来加强特征图和类别之间的对应关系。在此框架下，本发明模型可以实现水声目标识别的特征提取和分类识别任务。实验结果表明，该模型比多层堆叠GRU模型具有更好的分类识别性能。