基于多尺度稀疏简单循环单元模型的水声目标识别方法

针对实际应用中目标识别系统在噪声环境下识别性能显著下降的问题,本文基于有监督的简单循环单元提出了一种多尺度稀疏简单循环单元模型。该模型利用简单循环单元的内部反馈机制对水声目标时间序列(时域波形)建模,利用不同层数堆叠的简单循环单元块学习时间序列的多尺度特征表示,并对特征表示进行融合;同时在模型输入和多特征层(特征融合层)间添加跳跃连接来加快模型收敛。通过3类实测水声目标辐射噪声数据的对比实验发现,与多层卷积神经网络模型相比,多尺度稀疏简单循环单元模型在训练样本和测试样本噪声条件不匹配的情况下,能够保持较高的正确识别率,是具有噪声鲁棒性的网络模型。