基于卷积残差网络的水下主动目标回波图像分类方法研究

文章采用深度学习的方法初步开展了水下主动目标回波亮点的分类识别研究。根据主动声呐回波数据的特点,构建了基于卷积残差网络(Residual Network,ResNet)的深度学习模型,并对实际的主动声呐基阵信号通过波束形成、匹配滤波处理得到了方位-距离图。从图中截取相应的区域,构建了包含目标、混响和杂波的训练样本集及测试样本集,并对其进行数据增强处理。在此基础上开展了基于ResNet-34网络的特征挖掘与分类试验,以识别出相应图像样本的类型。实验结果表明,ResNet-34网络可有效挖掘方位-距离图像中的可分性信息,即网络模型对试验中的目标回波图像和非目标回波(混响、杂波)图像具有良好的可分性。