一种自主学习的声纳目标个体识别方法

摘要

本发明公开了一种自主学习的声纳目标个体识别方法，构建面向声纳目标个体识别的深度学习网络模型，利用历史数据对模型进行训练得到初始模型和模板库，然后接收新数据，利用初始模型对新数据进行预测，提取个体特征模版，在模板库中进行检索匹配，实现对新目标的快速个体识别或同一性认定，并更新模板库，然后再根据声纳平台特点选择模型自主学习更新方法，若为硬件资源充足的平台，则选择基于全历史数据联合学习的更新方法，若为硬件有限的平台，则选择基于现场数据增量学习的更新方法，通过不断学习新数据，实现模型性能提升，更好地满足实战环境需求。