CN115909040B 一种基于自适应多特征融合模型的水声目标识别方法 （西安邮电大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115909040B(45)授权公告日2025.07.04

(21)申请号202211618499.3

(22)申请日2022.12.15

(65)同一申请的已公布的文献号申请公布号CN115909040A

(43)申请公布日2023.04.04

(73)专利权人西安邮电大学

地址710121陕西省西安市长安区西安邮

电大学南校区计算机学院

专利权人中国船舶重工集团公司第七0五研究所

(72)发明人潘晓英冯天浩郑为张无瑕吕维王红玉孙乃葳赵罡

张洁申珅倪文玺

(74)专利代理机构西安新思维专利商标事务所有限公司61114

专利代理师黄秦芳

(51)Int.CI.

GO6V

GO6F

GO6F

GO6N

GO6N

GO6N

GO6N

G06F

20/05(2022.01)18/213(2023.01)

18/25(2023.01)3/0442(2023.01)

3/0464(2023.01)

3/048(2023.01)

3/08(2023.01)

123/02(2023.01)

(56)对比文件

CN110600046A,2019.12.20

CN114636995A,2022.06.17审查员贾云杰

权利要求书1页说明书6页附图1页

(54)发明名称

一种基于自适应多特征融合模型的水声目标识别方法

(57)摘要

CN115906040B本发明属于水声目标识别技术领域，具体涉及一种基于自适应多特征融合模型的水声目标识别方法。包括以下步骤：首先将原始的音频数据切割得到数据集；对每条音频提取MFCC特征并生成二维时频谱图；然后进行多维特征提取：包括深度时序特征提取、深度空间特征提取和深度频域特征提取；最后进行自适应多特征融合模型构建：将三种网络提取的特征进行初步拼接作为输入；将拼接后的特征集输入到通道注意力层进行自适应加权；将加权信息输入到全连接层进行水声目标识别。本方法通过多维度特征提取网络结构，挖掘了时域音频信号和频域的二维频谱图所对应的时频互补信息；通过自适应加权为后续

CN115906040B

B

B参物模版

CN115909040B权利要求书1/1页

2

1.一种基于自适应多特征融合模型的水声目标识别方法，其特征在于：所述方法包括以下步骤：

(1)数据准备：将原始的音频数据切割得到数据集；

(2)数据预处理：对每条音频提取MFCC特征并生成二维时频谱图；

(3)多维特征提取：包括深度时序特征提取、深度空间特征提取和深度频域特征提取；

(4)自适应多特征融合模型构建：

4.1、输入处理：将三种网络提取的特征进行初步拼接作为输入；

4.2、自适应加权：将拼接后的特征集输入到通道注意力层进行自适应加权，通道注意力层包括3个模块，分别是Squeeze、Excitation、Scale,其中Squeeze利用全局平均池化操作将每个通道的全局空间信息进Excitation为每个特征通道归一化生成权重；Scale将前面得到的归一化权重通过与每个通道的特征相乘进行加权；

4.3、输出处理：将加权信息输入到全连接层进行水声目标识别：

步骤(3)中，基于水声信号的MFCC特征数据训练LSTM网络并进提取dropout层的输出作为水声信号的深度时序特征集；基于水声信号的MFCC特征训练1D-CNN网络并提取Fully-connectedlayer1的输出作为水声信号的深度空间特征集；基于由原始语音信号生成的二维时频谱图训练2D-CNN网络并提取Globalmaxpool1层的输出作为水声信号的深度频域特征集。

2.根据权利要求1所述的一种基于自适应多特征融合模型的水声目标识别方法，其特征在于：构建的LSTM共4层，包含一个输入层、一个LSTM层、一个dropout层以及全连接层，其中输入层是一个长度为1、维度为40的时序向量；LSTM层的隐藏单元个数设置为128;引入dropout层，丢失率设置为0.2;全连接层包含5个节点，分别表示预测样本为不同水声目标的概率，最后通过提取dropout层的输出作为水声信号的深度时序特征集。

3.根据权利要求2所述的一种基于自适应多特征融合模型的水声目标识别方法，其特征在于：所述1D-CNN网络总共为9层，包含1个输入层、2个卷积层、2个池化层、2个d