兵工学报 ›› 2021, Vol. 42 ›› Issue (11): 2444-2452.doi: 10.3969/j.issn.1000-1093.2021.11.018
薛灵芝, 曾向阳, 杨爽
XUE Lingzhi, ZENG Xiangyang, YANG Shuang
摘要: 目标识别是水声探测领域的难题,也是研究热点。在水声目标识别实际应用中,标记样本数量不足是制约识别结果的主要因素之一。针对水声目标噪声数据具有的小样本特点,基于深度学习理论提出一种基于生成对抗网络的识别模型。该模型从生成模型与对抗模型的相互博弈中,学习更多有效的识别特征信息,并与深度自编码网络和深度置信网络模型进行对比。仿真实验结果表明:在样本数量有限的情况下,生成对抗网络模型的识别效果优于深度置信网络与深度自编码网络;3种深度学习模型的识别性能均优于先提取梅尔倒谱系数特征,再用Softmax分类的方法。为进一步测试所建模型的性能,研究了3种深度学习模型在不同信噪比下的鲁棒性,仿真实验结果表明:生成对抗网络模型对噪声具有更强的鲁棒性。
中图分类号: