基于深度流形学习的水中目标声信号特征提取

来源：振动与冲击杂志2024年第9期北京时间：

作者：周钰，王津，滕飞，潘必胜，王友瑞，雷迎科

单位：国防科技大学电子对抗学院， 合肥230037

摘要：随着海洋环境日益复杂，水中目标声信号观测数据呈现出高维数、非线性、非结构化等特点，无疑给水中目标声信号特征提取带来严峻挑战，该文提出了一种基于流形自编码器的水中目标声信号特征提取方法。首先，通过自编码器重建误差对原始数据进行全局优化，找出潜在的低维表示结果；然后，利用流形学习保持近邻重构权值的思想对潜在表示实施局部约束，保留其内在拓扑结构；最后，引入生成对抗网络架构进行正则化处理，使潜在表示服从特定分布，从而实现一种局部与全局的联合保持低维嵌入方法。在DeepShip深水船公开数据集上进行实验，使用该文方法提取4种深水船数据的本质特征，为评估该类特征的质量水平，利用经典分类器SVM进行分类识别，与现有深度学习以及流形学习特征提取方法对比，识别精度平均提高14.96%。

关键词：流形；自编码；生成对抗；特征提取