特征降维与融合的水声目标识别方法

作     者：李昊鑫 肖长诗 元海文 郭玉滨 刘加轩 LI Haoxin;XIAO Changshi;YUAN Haiwei;GUO Yubin;LIU Jiaxuan

作者机构：武汉理工大学航运学院湖北武汉430063 山东交通学院威海海洋信息科学与技术研究院山东威海264299 武汉工程大学电气信息学院湖北武汉430205 

出 版 物：《哈尔滨工程大学学报》 (Journal of Harbin Engineering University)

年 卷 期：2025年第46卷第1期

页      面：102-110页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 081105[工学-导航、制导与控制] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(52001235) 湖北省自然科学基金项目(2022CBF313) 山东省自然科学基金项目(ZR2020KE029) 

主　　题：水声目标识别 离散小波变换 梅尔倒谱系数 特征融合 联合神经网络 单船识别 深度学习 船舶辐射噪声 

摘      要：为解决水声目标在强噪声环境下识别困难以及特征高维问题,本文提出一种将水声信号进行离散小波变换并提取其低频系数与重组一维梅尔倒谱系数融合的方法,以减少特征维度并弥补信息损失。利用1D-CNN-LSTM神经网络在DeepShip和ShipsEar 2个数据集上进行实验,识别准确率均在99%以上。结果表明:该算法能够有效抑制噪声,具备较强的鲁棒性。将所提算法应用到单船识别,实验结果表明该算法能够有效区分同类型的不同船舶。