多尺度自蒸水下声信号识别通过突出性掩盖建模
Xingmei Wang1,2, Zijian Liu1, Zheng Guo1
1College of Computer Science and Technology, Harbin Engineering University, Harbin 150001, China.
The Journal of the Acoustical Society of America
|December 10, 2025
概括
这项研究引入了一种用于水下声信号识别的新方法,通过解决噪音和弱目标检测来提高准确性. Saliency Masking 建模多尺度自蒸 (SMM-MSSD) 框架提高了识别性能,特别是在具有挑战性的条件下.
科学领域:
- 信号处理 信号处理
- 机器学习 机器学习
- 水下声学 水下声学
背景情况:
- 由于标记数据和噪声灵敏度有限,水下声信号识别面临挑战.
- 现有的自我监督的方法与跨领域的噪声变化作斗争,影响弱目标的性能.
研究的目的:
- 为水下声信号识别开发一个强大的框架,克服现有方法的局限性.
- 提高识别的准确性和稳定性,特别是在杂环境中的弱目标.
主要方法:
- 通过突出性掩盖建模 (SMM-MSSD) 提出了一个多尺度自蒸框架.
- 利用突出性掩盖来识别和掩盖基于自我注意地图的光谱图中的重要区域.
- 实现了多个规模的自蒸架构,以调整全球和本地特征.
- 引入了像素重建损失,以共同优化语义和细粒度特征.
主要成果:
- 在ShipsEar数据集上达到88.52%的准确性,在Mini-DeepShip数据集上达到82.36%的准确性.
- 在低信号噪声比下表现出强大的稳定性.
- 在有限的培训数据下展示了有效性.
结论:
- SMM-MSSD通过解决噪音和改善弱目标检测,有效地增强了水下声信号识别.
- 拟议的框架为现实世界水下声学监测应用提供了强大的解决方案.
- 该方法显示了在数据稀缺和杂的场景中提高性能的巨大潜力.
