基于深度学习的小样本声目标识别方法

来源：计算机测量与控制杂志2021年第4期北京时间：

作者：王鹏程,崔敏,李剑,王彦博,赵欣,孔庆珊

单位：信息探测与处理山西省重点实验室 中北大学 太原

摘要：声目标分类识别是声源识别领域的核心问题。然而，在应用深层神经网络进行声目标分类识别时，从少量样本中学习（样本复杂度较低）是一个具有挑战性的问题。针对此问题，提出了一种基于深度学习的小样本声目标识别方法，该方法将手工设计特征和对数梅尔声谱特征结合到一起，扩充了深度学习模型的可利用特征量，提高了声信号识别效率和精度。在实验验证中，该方法在测试集上实现了87.6％的识别精度；更进一步的，用较少量的训练样本对该方法和其它几种主流的深度学习模型的性能进行了比较验证，结果表明，该方法只需要更少量的数据即可实现同样的识别精度，在声源探测领域具有一定应用价值。

关键词：声源探测;声目标分类识别;特征工程;深度学习;深度残差网络

基金资助：国家自然基金青年科学基金(61901419)、山西省面上青年资金(201801D221205)、山西省高校创新项目(201802083)、装备预研兵器工业联合基金(6141B012895)、装备预研兵器装备联合基金(6141B021301)、山西省高等学校科技成果转换培育项目(2020CG038)