控制与决策

作者：肖启阳,黄澳飞,金勇,魏倩

单位：河南大学 人工智能学院,郑州 450046,,河南大学 人工智能学院,郑州 450046,,河南大学 人工智能学院,郑州 450046,,河南大学 人工智能学院,郑州 450046,

关键词：水下辐射噪声;自适应特征模式分解;联合卷积神经网络;噪声识别

基金：国家自然科学基金项目(61771006)；河南省科技攻关项目(HDXJJG2021-140,22A416004,HDXJJG2023-064,231111212500(省重点研发项目)).

针对水下小型UUV难以检测识别问题,提出基于自适应特征模式分解与联合卷积网络的UUV辐射噪声识别方法.首先,采用自适应特征模式分解(AFMD)对信号进行处理,获取一系列分解分量,根据基尼指数(GiNi index)选取最优分量进行重构;然后,对重构后的信号进行连续小波变换,获取不同类型辐射噪声的二维时频图;最后,在频率动态卷积模块和SGE(spatial group-wise enhance)模块基础上,引入特征融合模块构建联合卷积神经网络(JCNN),利用所设计网络提取二维时频图特征,实现水下无人潜水器辐射噪声分类.实验结果表明,所提出方法能够对水下UUV辐射噪声进行识别,且识别率较高.

来源：2025年第1期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第1期