来源：期刊VIP网 时间：
作者：师俊杰;熊凌霜;孙大军;
单位：哈尔滨工程大学水声技术全国重点实验室;海洋信息获取与安全工信部重点实验室(哈尔滨工程大学)工业和信息化部;哈尔滨工程大学水声工程学院;哈尔滨工程大学青岛创新发展基地;
摘要：针对人工提取线谱特征方法的不足，本文对线谱特征提取原理进行研究，提出一种基于机器学习的线谱特征提取方法。搭建基于卷积神经网络的编码器–解码器，并在卷积和池化层间引入注意力机制，使输入数据的重要特征占据更高的权重，从而提高特征提取的准确度。将模型与U–Net模型和TPSW算法在低信噪比情况下进行比较，并在实际数据上进行测试。实验结果表明，在谱级信噪比为5 dB时，改进模型线定位精度可达到0.823，在0～5 dB时均优于U–Net模型和TPSW算法，达到了提取线谱有效信息，提高水下目标检测准确率的目的。
关键词：线谱特征提取;;机器学习;;编码–解码器;;水下目标检测
基金资助：海洋信息技术创新团队(TY2050010602)
