.png){kind=icon}
返回
Angle-distance decomposition based on deep learning for active sonar detection
.png){kind=icon}
PRE
AI
DOI：10.1121/10.0041861.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
主动声纳水下目标检测构成了海洋科学与工程领域的一个关键研究方向。然而，由于噪声、混响和干扰的存在，传统信号处理方法在复杂水下环境中面临重大挑战。为解决这些问题，本文提出了一种基于深度学习的主动声纳目标检测方法，该方法将检测过程分解为独立的方位角和距离估计任务。主动声纳目标检测采用深度学习模型来预测目标的距离和角度，最终目标位置通过整合这些估计值来确定。有限的水下声学数据阻碍了有效的模型训练，但迁移学习和仿真为应对这一挑战提供了实用解决方案。实验结果表明，该方法在复杂条件下能够实现有效且稳健的性能。
Keyword:
DATASET
NETWORK
期刊
J
IF:
2.3
论文数:
585
被引数:
5.1W
机构
引用论文
.png){kind=icon}
Multi-target direction-of-arrival estimation of deep models with frame-level permutation invariant training in marine acoustic environment海洋声学环境中基于帧级排列不变训练的深度模型多目标到达角估计
PREAI
分享收藏分享收藏
查看更多内容