深度学习在水下目标被动识别中的应用进展

深度学习在水下目标被动识别中的应用进展

论文摘要

近年来,随着深度学习方法在理论上取得一系列突破性进展,其展现出相对于传统机器学习方法的明显优势。在实际应用方面,深度学习借助其出色的特征学习能力,首先在语音和图像领域取得巨大成功,并迅速引起其他领域研究者们的重点关注。本文对现阶段深度学习在水下目标被动识别领域中的国内外研究进展和应用情况进行梳理总结,包括水下目标被动识别中常用的深度神经网络结构、深度学习对特征提取环节产生的影响以及数据匮乏条件下的建模方法。针对实际应用场景所面临的挑战,本文对未来一些可能的研究方向进行了展望,供广大研究人员参考借鉴。

论文目录

  • 1 引言
  • 2 基于深度学习的水下目标被动识别系统构架
  • 3 水下目标被动识别中常用的深度神经网络结构
  •   3.1 深度置信网络
  •   3.2 全连接神经网络
  •   3.3 时延神经网络
  •   3.4 卷积神经网络
  •   3.5 循环神经网络
  •   3.6 深度神经网络的超参数选取及模型训练
  • 4 深度学习对特征提取环节产生的影响
  •   4.1 滤波器组特征
  •   4.2 梅尔频率倒谱系数特征
  •   4.3 小波特征
  •   4.4 希尔伯特-黄变换
  •   4.5 LOFAR特征
  •   4.6 DEMON特征
  •   4.7 通过神经网络学习的特征
  •   4.8 特征选取原则
  • 5 数据匮乏条件下的建模方法
  •   5.1 迁移学习
  •   5.2 数据增广
  • 6 技术展望
  • 7 结论
  • 文章来源

    类型: 期刊论文

    作者: 徐及,黄兆琼,李琛,颜永红

    关键词: 深度学习,目标识别,被动声纳信号处理

    来源: 信号处理 2019年09期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 船舶工业,自动化技术

    单位: 中国科学院声学研究所,中国科学院大学,中国科学院新疆理化技术研究所

    基金: 国防科技创新特区项目,中国科学院声学研究所青年英才计划(QNYC201601)

    分类号: TP18;U666.7

    DOI: 10.16798/j.issn.1003-0530.2019.09.003

    页码: 1460-1475

    总页数: 16

    文件大小: 995K

    下载量: 554

    相关论文文献

    标签:;  ;  ;  

    深度学习在水下目标被动识别中的应用进展
    下载Doc文档

    猜你喜欢