武汉第二船舶设计研究所, 湖北 武汉 430000
在复杂海域场景下如何综合利用舰船监测的多模态数据进行高效特征提取和特征融合, 以此来综合提升舰船识别精度仍存在巨大挑战。针对海域环境中舰船单一数据源识别准确率问题, 提出一种有效的多模态数据特征提取和特征融合的舰船识别算法, 然后基于深度残差网络模型进行特征融合以提升舰船识别准确率。通过实验结果对比, 相比于其他算法基于多模态数据的舰船识别算法平均准确率提升约18%, 有效地提升了舰船识别准确率, 对相关船舶领域的研发工作具有借鉴意义。
舰船识别 舰船轨迹 合成孔径雷达图像 多模态特征 深度残差网络 ship identification ship trajectory SAR image multi-modal features deep residual network
哈尔滨工程大学信息与通信工程学院, 黑龙江哈尔滨 150001
信号调制识别技术在民用和**领域都有重要应用。当前信息化战场中, 由于各类雷达、通信、导航、电子战**等信息辐射源的数量愈来愈多, 调制形式也日益多样化, 信号密度愈来愈大, 战争电磁环境日趋复杂化, 传统的信号调制识别技术已无法适应。因此, 提出基于深度学习的 AlexNet网络和复数神经网络, 同时采用多模态特征融合和模型融合技术, 融合信号统计图域和信号 I/Q波形域的多模态信息, 实现信号调制识别。仿真结果表明, 所提方法的识别精确度在不同信噪比下均优于单模态识别方法和未采用多模态协同融合框架的方法。
调制信号识别 深度学习 多模态特征 模型融合 modulation signal recognition deep learning multi-modal features model fusion 太赫兹科学与电子信息学报
2022, 20(12): 1326
