基于多通道深度残差网络的舰船水声目标识别算法研究
摘要
随着水声目标识别技术在海洋预警防御、海底地形勘探、海洋资源保护等领域的广
泛应用，水声探测任务逐渐成为研究热点，舰船水声目标识别也成为了最具挑战的任务
之一。海洋环境复杂多变，影响目标识别精度和稳定性的因素很多，舰船水声目标识别
正面临艰巨的挑战。由于舰船音频数据的采集困难和数量匮乏等问题，使得运用常规算
法进行水声目标识别训练时，模型对数据预测的准确率不佳，不能很好的对舰船目标进
行准确识别。因此，本文开展舰船水声目标识别算法研究，旨在解决现有舰船噪声数据
样本不足和水声目标识别算法准确率低的问题。
为了解决现有舰船辐射噪声数据样本量不足的问题，提出一种基于三维特征提取的
舰船噪声信号样本构建方法。该方法依据舰船辐射噪声的特征通过添加白噪声以及使用
随机移动的方法对舰船噪声数据集进行数据增广，使用时域拉伸和音调变换进行数据增
强，扩大原有数据集的数量，使用一种含有Mel频谱、MFCC和MFCC-Mix三种特征
的特征提取方法，对舰船噪声数据集进行特征提取，增强了舰船噪声信号所含信息的广
度，从而构建用于水声目标识别的舰船噪声信号样本。
针对现有水声目标识别算法对于舰船噪声信号识别率不佳的问题，提出一种基于多
通道深度残差网络的舰船水声目标识别算法。该算法的网络结构设计结合了经典深度学
习神经网络和残差网络的优点，通过一组残差网络模块和复合神经网络模块对数据进行
处理，有助于学习到更多水声信号特征，使结果有更强的泛化性。实验采用识别准确率、
损失函数、混淆矩阵等评价指标验证了算法的识别效果。
关键词：水声目标识别；数据增广；特征提取；多通道深度残差网络
基于多通道深度残差网络的舰船水声目标识别算法研究
Abstract
Withthewideapplicationofunderwateracoustictargetrecognitiontechnologyinmarine
earlywarninganddefense,seabedterrainexploration,marineresourcesprotectionandother
fields,thetaskofunderwateracousticdetectionhasgraduallybecomearesearchfocus,and
therecognitionofshipunderwateracoustictargethasbecomeoneofthemostchallenging
tasks.Marineenvironmentiscomplexandchangeable,andtherearemanyfactorsaffecting
theaccuracyandstabilityoftargetrecognition.Shipunderwateracoustictargetrecognitionis
facingadifficultchallenge.Duetothedifficultyofcollectingshipaudiodataandtheshortage
ofquantity,theaccuracyofdatapredictionisnotgoodwhenconventionalalgorithmsareused
forunderwateracoustictargetrecognitiontraining,andtheshiptargetcannotberecognized
accurately.Therefore,thisthesiscarriesoutresearchonshipunderwateracoustictarget
recognitionalgorithm,aimingtosolvetheproblemsofinsufficientshipnoisedatasamples
andlowaccuracyofunderwateracoustictargetrecognitionalgorithm.
Inord