基于深度学习的水声被动目标识别研究综述
TN911.7%O427.9; 被动声呐通过接收目标自身发出的辐射噪声信号进行目标探测.水声目标识别通过分析水声信号来判别目标个体,是水声工程领域的重点研究方向.深度学习作为近年来各领域的研究热点,其在水声目标识别领域中的应用引起了学者的广泛关注.该文以水声目标识别的步骤框架为切入,介绍了典型深度网络模型;总结出了深度学习在水声目标识别领域中的两大内涵:围绕时频谱、梅尔倒谱系数等特征调研了近几年深度学习作为分类器的关键问题以及研究进展,围绕数据增强、数据降噪等信号处理手段调研了近几年深度学习作为信号处理工具的关键问题以及研究进展;并从数据驱动、特征驱动、模型驱动3个方面对该领域的发展趋势进行展...
Gespeichert in:
| Veröffentlicht in: | 电子与信息学报 2023-11, Vol.45 (11), p.4190-4202 |
|---|---|
| Hauptverfasser: | , , , , |
| Format: | Artikel |
| Sprache: | chi |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Zusammenfassung: | TN911.7%O427.9; 被动声呐通过接收目标自身发出的辐射噪声信号进行目标探测.水声目标识别通过分析水声信号来判别目标个体,是水声工程领域的重点研究方向.深度学习作为近年来各领域的研究热点,其在水声目标识别领域中的应用引起了学者的广泛关注.该文以水声目标识别的步骤框架为切入,介绍了典型深度网络模型;总结出了深度学习在水声目标识别领域中的两大内涵:围绕时频谱、梅尔倒谱系数等特征调研了近几年深度学习作为分类器的关键问题以及研究进展,围绕数据增强、数据降噪等信号处理手段调研了近几年深度学习作为信号处理工具的关键问题以及研究进展;并从数据驱动、特征驱动、模型驱动3个方面对该领域的发展趋势进行展望,旨在推动水声目标识别领域的发展. |
|---|---|
| ISSN: | 1009-5896 |
| DOI: | 10.11999/JEIT221301 |