论文摘要
随着对水下目标特性研究的深入和声学探测技术的发展,基于单模态的阵列式信息融合或基于空间信息的分布式信息融合的水下目标识别方法研究已有一定成果,但针对复杂海况导致单一物理场或单一融合层次的系统识别性能提高有限等方面影响的水下目标识别方法研究还有所不足,因此,开展基于多模态深度融合模型的水下目标识别方法研究可利用模态互补,共享信息而提升识别率。文中在国内外研究基础上,深入研究了基于到达时差法和多模态方法组合的检测方法,初步形成了基于水声环境空间中多模态深度融合模型的识别框架,开展了海洋中典型自然与人为事件的信号分析与特征提取,并在此基础上,设计新型基于海底基站的被动识别系统。该系统同步记录和由位置等组成的时间序列标记声、磁和压数据,可实现高精度、高分辨率的识别。本研究可满足未来海洋观测对高性能水下目标探测、定位和跟踪系统的迫切需要,为海洋安全监管、海洋突发事件应急响应等领域提供新的技术手段和科学参考。
论文目录
文章来源
类型: 期刊论文
作者: 李琦,孙桂玲,黄翠,刘颉,常哲,于金花,文洪涛
关键词: 水下目标识别,多模态,水声环境,深度模型,目标特性
来源: 海洋技术学报 2019年06期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑
专业: 物理学,工业通用技术及设备,武器工业与军事技术
单位: 国家海洋技术中心,南开大学,自然资源部第三海洋研究所
基金: 国家海洋技术中心创新基金重点项目(Z-17005)
分类号: TB56;TJ6
页码: 35-45
总页数: 11
文件大小: 890K
下载量: 369
相关论文文献
- [1].基于图像处理技术的目标识别方法综述[J]. 电脑与信息技术 2019(06)
- [2].基于图像处理技术的军事目标识别方法综述[J]. 电脑与信息技术 2020(01)
- [3].基于轻量级深度网络的目标识别方法[J]. 计算机应用研究 2020(03)
- [4].基于概率生成模型的光学遥感图像的舰船目标识别方法[J]. 舰船电子工程 2020(07)
- [5].夜间塔影图像目标识别方法的仿真研究[J]. 计算机仿真 2016(12)
- [6].基于深度迁移学习的窄带雷达群目标识别方法[J]. 兵器装备工程学报 2020(04)
- [7].一种结合显著性检测与词袋模型的目标识别方法[J]. 计算机工程与科学 2017(09)
- [8].基于相关分析的飞机目标识别方法[J]. 电子设计工程 2013(16)
- [9].一种工程化的双门限辐射源目标识别方法[J]. 计算机测量与控制 2009(05)
- [10].基于二维经验模态分解的合成孔径雷达目标识别方法[J]. 激光与光电子学进展 2020(04)
- [11].基于步进频连续波雷达的多目标识别方法[J]. 舰船电子对抗 2015(04)
- [12].一种基于模板匹配的目标识别方法[J]. 遥测遥控 2010(02)
- [13].基于动态行为学习的空中目标识别方法[J]. 计算机与数字工程 2020(03)
- [14].一种参数区间交叉类型的目标识别方法[J]. 北京航空航天大学学报 2020(07)
- [15].基于图像挖掘技术的车辆目标识别方法[J]. 计算机测量与控制 2017(02)
- [16].一种监督局部保持投影的飞机目标识别方法[J]. 测绘科学技术学报 2014(03)
- [17].基于判别局部保持映射算法的飞机目标识别方法[J]. 计算机工程与科学 2013(06)
- [18].一种基于链码的圆形目标识别方法[J]. 信息与电脑(理论版) 2013(02)
- [19].基于粗糙集和证据理论的目标识别方法研究[J]. 电脑与信息技术 2011(01)
- [20].基于专家推理系统的目标识别方法[J]. 指挥控制与仿真 2020(03)
- [21].基于证据理论的目标识别方法[J]. 系统工程与电子技术 2013(12)
- [22].一种基于序贯最小优化改进的支持向量机空间有形小目标识别方法[J]. 宇航学报 2008(01)
- [23].一种基于支持向量机的无源雷达目标识别方法[J]. 现代防御技术 2010(01)
- [24].小波系数特征的目标识别方法[J]. 小型微型计算机系统 2008(03)
- [25].粗集目标识别方法研究[J]. 科技情报开发与经济 2008(11)
- [26].基于视觉和激光融合的林区采育目标识别方法[J]. 林业机械与木工设备 2018(06)
- [27].基于豪斯道夫距离度量的激光引信目标识别方法[J]. 探测与控制学报 2015(03)
- [28].桥梁目标识别方法综述[J]. 红外与激光工程 2012(12)
- [29].一种基于高阶谱特征的舰船目标识别方法[J]. 舰船科学技术 2011(07)
- [30].一种元-卷积网络和持续学习融合的洞库类目标识别方法[J]. 北京理工大学学报 2020(06)