基于对抗残差网络的复杂海况舰船目标类型识别技术研究

打开文本图片集

摘 要：近年来随着深度学习理论在水声领域的应用，水中目标识别技术研究取得了巨大进步。然而在工程应用实践中，应用传统的特征提取和分类器方法拼接得到的识别模型难以维持实验室性能，复杂多变的海洋信道使声信号在传感器接收前发生剧烈畸变，导致识别算法出现特征失配和过拟合问题，算法性能急剧下降。针对以上问题，提出了一种对抗残差网络（Ａｄｖｅｒｓａｒｉａｌ Ｒｅｓｉｄｕａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，ＡＲＮＮ） 模型，利用梯度反向层（Ｇｒａｖｉｔｙ Ｒｅｖｅｒｓａｌ Ｌａｙｅｒ，ＧＲＬ） 结构和双标签对抗训练的方式补偿了不同水文条件下信道传播之间的差异性，使算法更能够聚焦到能够表征目标本质的特征上，具有更强的鲁棒性和更高的识别率。（剩余369字）