第４５卷第１期２０２３年２月探测与控制学报ＪｏｕｒｎａｌｏｆＤｅｔｅｃｔｉｏｎ＆ＣｏｎｔｒｏｌＶｏｌ．４５Ｎｏ．１Ｆｅｂ．２０２３＊收稿日期：２０２２－０７－２６作者简介：田斌（１９７５—），男，湖北襄阳人，博士，教授。通信作者：杨超（１９８２—），男，湖北武汉人，博士，讲师。基于改进卷积神经网络的工频水下磁目标探测田斌，李俊，杨超，李杨，文仕强（武汉工程大学电气信息学院，湖北武汉４３０２０５）摘要：针对工频水下磁目标信号特征提取难、目标数据样本少、识别精度低等问题，提出一种基于深度卷积生成对抗网络（ＤＣＧＡＮ）与优化卷积神经网络（ＣＮＮ）相结合的水下工频磁目标识别方法。该方法通过滑动时间窗将信号由一维时序空间映射到二维灰度值图像，将实测水下磁异常信号利用ＤＣＧＡＮ进行数据增强，之后构建卷积神经网络并引入ＤＹ－ＲｅＬＵ动态激活函数对ＣＮＮ网络结构进行优化，以达到对目标信号的分类识别的目的。实验结果表明，经由数据增强的网络模型识别率提高了１０％；相较于其他常用的静态激活函数，优化的ＣＮＮ识别率分别提高了４．５％、４％、３％和２．５％，识别精度达到９２．５％。验证了该方法的有效性，为水下磁异常检测提供一种新思路。关键词：水下目标识别；深度卷积生成对抗网络；卷积神经网络；模式识别；工频磁场探测中图分类号：ＴＰ１８３文献标志码：Ａ文章编号：１００８－１１９４（２０２３）０１－００７８－０６ＵｎｄｅｒｗａｔｅｒＭａｇｎｅｔｉｃＴａｒｇｅｔＰｏｗｅｒＦｒｅｑｕｅｎｃｙＤｅｔｅｃｔｉｏｎＢａｓｅｄｏｎＯｐｔｉｍｉｚｅｄＣＮＮＴＩＡＮＢｉｎ，ＬＩＪｕｎ，ＹＡＮＧＣｈａｏ，ＬＩＹａｎｇ，ＷＥＮＳｈｉｑｉａｎｇ（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＩｎｆｏｒｍａｔｉｏｎ，ＷｕｈａｎＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３０２０５，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｍｅｔｈｏｄｂａｓｅｄｏｎｄｅｅｐｃｏｎｖｏｌｕｔｉｏｎａｌｇｅｎｅｒａｔｉｖｅａｄｖｅｒｓａｒｉａｌｎｅｔｗｏｒｋ（ＤＣＧＡＮ）ｃｏｍｂｉｎｅｄｗｉｔｈａｎｏｐｔｉｍｉｚｅｄｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ（ＣＮＮ）ｗａｓｐｒｏｐｏｓｅｄｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｓｏｆｄｉｆｆｉｃｕｌｔｆｅａｔｕｒｅｅｘ－ｔｒａｃｔｉｏｎ，ｌｏｗｔａｒｇｅｔｄａｔａｓａｍｐｌｅｓ，ａｎｄｌｏｗ...
