-
题名被动水下目标识别研究进展综述
被引量:7
- 1
-
-
作者
杨宏晖
徐光辉
李俊豪
申昇
姚晓辉
-
机构
西北工业大学航海学院
-
出处
《无人系统技术》
2019年第4期1-7,共7页
-
基金
盲信号处理国家级重点实验室基金
-
文摘
由于海洋环境的复杂性和舰船声隐身技术的发展,被动水下目标识别面临巨大的挑战,是各国水声信号处理领域研究的焦点。首先在介绍基于机器学习的水下目标识别(UATR)技术的基础上,重点分析与总结了水下目标特征提取(时域波形结构特征提取、频域谱特征提取、时频分析特征提取、听觉感知特征提取)、特征选择、分类器设计等方面的研究现状,然后阐述了在人工智能快速发展背景下的UATR技术发展的现状,最后,论述了UATR智能化发展中依然存在的问题及未来发展趋势。综述表明,在水下目标识别领域,基于舰船辐射噪声的水下目标识别依然面临着诸多困难和挑战,构建智能水下目标识别系统,还需要更多的思考和实践。
-
关键词
舰船辐射噪声
被动水下目标识别
特征提取
特征选择
深度学习
类脑智能
-
Keywords
Ship Radiated Noise
Passive Underwater Acoustic Target Recognition
Features Extraction
Feature Selection
Deep Learning
Brain-inspired Intelligence
-
分类号
TB56
[交通运输工程—水声工程]
-
-
题名智能化水下被动目标识别技术研究综述
- 2
-
-
作者
王雨婷
宋肖平
卜晓东
-
机构
中国船舶集团有限公司第七二六研究所
-
出处
《高科技与产业化》
2024年第9期62-64,共3页
-
文摘
近年来,深度学习技术的蓬勃发展为水下被动目标识别带来了新的突破和发展机遇。本文介绍了水下被动目标识别技术发展现状,对深度学习在被动目标识别中的研究进展和存在的问题进行了梳理。针对实际应用中面临的挑战,本文提出了对未来研究方向的期望与建议,为广大研究人员提供参考和启示。
-
关键词
深度学习
水下被动目标识别
水声信号处理
-
Keywords
Deep learning
Underwater passive target recognition
Underwater acoustic signal processing
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-