《基于深度学习的水下信息处理方法研究》王兴梅|(epub+azw3+mobi+pdf)电子书下载

图书名称：《基于深度学习的水下信息处理方法研究》

【作　者】王兴梅

【页 数】 158

【出版社】 北京：北京航空航天大学出版社 , 2021.04

【ISBN号】7-5124-3476-9

【分 类】海洋-水下通信-研究

【参考文献】 王兴梅. 基于深度学习的水下信息处理方法研究. 北京：北京航空航天大学出版社, 2021.04.

图书目录：

《基于深度学习的水下信息处理方法研究》内容提要：

站在新时代的新起点上，我国对海洋的关心、海洋的认知和海洋的经略越来越重视。不断探索海洋、开发海洋资源、发展海洋科学技术，是世界主要大国竞相发展的重要方向，在军事和民用领域具有非常重要的意义和价值，并一定程度上影响着国家的兴衰。水下信息处理方法作为海洋科学技术发展的一个重要方向，是本书介绍的重点。 本书以深度学习相关理论为主要研究方法，通过对声呐获取的水下声信号信息数据和水下声呐成像的图像信息数据进行处理，探讨了基于堆叠式卷积稀疏降噪自编码器的水下异构信息数据降噪方法、基于多维特征的深度学习水下声信号目标分类识别方法、基于CWGAN-GPDR的改进CNN水下声呐图像分类方法和基于类意识领域自适应的水下声呐图像无监督分类方法，为充分利用海洋信息数据提供了重要的理论研究基础和技术实践经验。 本书内容翔实，自成一体，可作为计算机科学与技术、水声工程、智能科学与工程等领域研究的重要参考书，也可作为相关科学领域的研究参考。

《基于深度学习的水下信息处理方法研究》内容试读

第1章绪论

第1章绪论

1.1水下信息处理方法的意义和价值

21世纪是海洋的世纪，提高海洋科学认知能力，发展海洋高新技术，已成为世界各国维护国家海洋权益和国土安全极其重要的战略目标，更是关乎人类未来生存空间、实现全球可持续发展的必然战略选择。党的十八大以来，国家越来越重视海洋强国战略的实施，发展海洋领域科技创新的紧迫性和重要性日益凸显。实施海洋强国战略的重点在于在“深水、绿色、安全”海洋高技术领域取得突破，在信息化、数字化、智能化的智慧海洋工程中取得新作为、获得新进展。因此，无论是海洋资源开发，抑或是涉及国家安全的各种监控和观察活动，海洋对于人类都是一个不容忽视的重要领域，其拥有的战略地位越来越重要。

开发海洋资源，发展海洋高新技术，需要获取大范围、精确的海洋环境数据。目前，声波是唯一能进行水下远程探测、通信的手段，是海洋中能够实现信息传输的最有效载体幻。而声呐是以声波作为信息载体的探测设备，通过声呐获取的水下信息数据可分为水下声信号信息数据和水下声呐成像的图像信息数据。在军事领域，水下声信号信息数据处理能准确、及时、隐蔽地检测出水中目标，为各个系统和指挥部门提供准确的信息，对协同作战和抢占作战先机意义重大；在民用领域，水下声信号信息数据处理技术能用于监测海上交通情况，进行海上交通管理，同时能得到海洋生物类别及生活习性等相关信息，对海洋生物保护也有非常重要的意义。水下声呐成像具有探测距离远、穿透能力强等优点，它以图像的形式反映目标信息，较水下声信号信息数据来说更为直观，水下声呐成像的图像信息数

1

基于深度学习的水下信息处理方法研究

据处理具有广泛的应用场景。在军事上，可以用于潜艇导航，达到对水雷进行识别和搜索敌方舰船等军事目的；在商业和民用领域，可以用于海底资源的开发，石油探测以及水下搜救等众多方面3)。

由于水下环境复杂、采集设备来源多、测量尺度不同等因素的影响，获取的水下信息数据不仅包含大量的噪声，还蕴含着复杂的关联关系。针对这些问题，即使目前比较先进的水下信息数据的处理技术也存在着降噪技术无法很好地平衡去除噪声和保留有效细节信息关系的问题；在解决数据分布不均衡、挖掘出信息数据之间的关联关系以及进行充分的知识融合方面，仍然存在分类识别准确率低、模型适应度差等问题；目标状态判断需要人为干预等问题的影响，应用前景受到限制。

深度学习是人工智能领域最具潜力的发展方向之一，能够很好地解决数据分布不均衡、全局信息有效融合难的问题4]，建立的各种水下信息处理模型具有适应度高、稳定性强的特点，其强大的知识学习和归纳推理能力，能增强水下信息数据处理对深度学习模型的信赖程度，强化水下信息处理技术的可靠性。因此，利用深度学习理论和方法对水下信息数据处理技术的研究，代表着水下信息数据处理技术新的发展趋势。基于深度学习的水下信息处理方法研究极具探索性和实际意义，将为水下信息处理提供新的方向和方法参考。

1.2国内外研究现状及发展动态

根据本书水下信息处理方法涉及的技术和理论方法问题，从水下信息处理技术和深度学习在信息处理技术中的应用两个方面来介绍国内外研究现状及发展动态。

1.2.1水下信息处理技术

水下信息处理技术主要包括降噪技术、分类识别、目标状态判断等。由于本书主要研究降噪技术和分类识别，故本节着重对这两部分进行介绍。

(1)降噪技术

水下信息数据的噪声可分成加性噪声和乘性噪声两种。加性噪声主

2

第1章绪论

要来源于海洋环境中各类随机噪声，主要以加性高斯白噪声为主，在水下声信号信息数据中影响明显6，。乘性噪声主要是由于水下声呐成像机理使得图像信息数据产生明暗相间的斑点，故常被称为乘性散斑噪声)。

目前，对于水下声信号信息数据的降噪方法研究较少。传统的方法是将均方误差(The Mean Square Error,MSE)最小化，如最小均方(The

Least Mean Square,LMS)自适应滤波器]，但它不能保证去噪结果总是平滑的。在此基础上，Zhang Youwen等1o]提出一种自适应LMS算法来增强水下声信号的通信能力，此方法具有良好的收敛速度和降噪效果。近几十年来，小波阈值法被认为是最有效的降噪方法之一，K.Mathan Raj等提出一种新的小波去噪方法，这种方法能降低水下声信号中环境噪声的含量，提高信噪比。针对水下声呐图像信息数据的乘性散斑噪声，传统的去噪方法是Lee滤波算法，它利用图像的局部统计特征进行过滤处理1]。然而，Lee滤波算法在提高散斑抑制能力与保留细节信息之间存在矛盾。其他去噪方法也相继出现，Cui Jie等3]和Atallah Louis等i幻分别采用中值滤波和维纳滤波对水下图像进行去噪，都取得了较好的视觉平滑效果，但图像失去了更多的边缘信息。近年来，KSVD算法(TheK-singular

Value Decomposition Algorithm,KSVD)也能较好地去除水下散斑噪声5.i6。另外，随着智能优化算法的发展，Wang Xingmei等1提出一种基于黄金分割率的自适应过滤度参数选择的非局部空间信息平滑去噪处理方法，能有效去除相对较大和较小的过滤度参数，提高去噪效果。

传统的水下信息数据降噪方法虽然能完成水下信息数据的降噪，但存在着在去除噪声和保留更多边缘特征上保持平衡的两难问题。同时，由于需要大量的迭代运算，处理时间较长、效率较低。对于水下信息数据，稳定良好的降噪方法是高精度分类识别的前提。因此，解决水下信息数据去除噪声的同时保持较好的有效信息，是水下信息处理技术需要首先解决的技术问题。

(2)分类识别

目前国内外研究学者已经提出了多种水下目标分类识别方法，包括神经网络、高斯混合模型(Gaussian Mixture Model,GMM)以及支持向量机

3

基于深度学习的水下信息处理方法研究

(2)分类识别

近年来，深度学习受到了分类识别领域学者的广泛关注，因其具有深层模型的特点，可以提取信息数据的深层信息，并且具有可以处理大型数据集的能力而备受青睐。因此，可以选择或设计不同网络结构进行分类识别。Zu Chen等33]提出基于标签对齐的多任务特征选择方法，融合多种神经影像数据信息，保证关键特征被共同选择，提高了分类的准确率。Iu0

RenC等[3们分别使用卷积自编码器网络和基于长短时记忆的分类网络对人类情感状态进行感知，与传统的分类方法相比显著提高了感知的准确性。Nie Feiping等3)提出聚类、半聚类和局部学习的多视角学习模型，并进行自动权重分配，实现了较高的识别率。在水下声信号信息数据的分类识别领域，王强等3们将深度学习方法应用在水下目标识别上，验证了深度信念网络(Deep Belief Network,DBN)的识别正确率高于SVM等传统的分类识别方法。Xu Cao等3]提出一种新颖的深度学习框架，可以适用于水下目标分类识别。Yang Honghui等3]提出一种DBN学习方法，完成小样本的水下目标分类识别。Shen Sheng等3]提出一种压缩的深度竞争网络来提取船舶辐射噪声的特征，通过网络修剪去掉大量水下声信号的冗余信息，从而压缩网络，提高网络的抗噪能力，进而提高分类识别精度。

Ibrahim Ali K.等[o]提出利用深度神经网络(Deep Neural Network,

DNN),通过声音识别石斑鱼的物种，进行水下声信号目标识别，实验结果

发现DN的效果明显优于其他方法，具有良好的识别能力，可以极大地

提高识别精度，并且具有强大的鲁棒性，在噪声条件下识别水下声信号，其

识别结果也进一步证明DNN相比于GMM等方法具有更好的学习能力。

在水下声呐图像信息数据的分类识别领域，Williams David P等[1.42提出将深度学习中的卷积神经网络(Convolutional Neural Networks Layer,CNN)用于实验室采集的水下声呐图像分类中，取得了一定成效。Wang

Xingmei4]等通过结合深度学习，利用CNN提取水下声呐图像特征，并且提出了自适应权重法加快收敛和提高识别精度，取得了良好的分类精度。可见，深度学习在处理大数据集方面具有较高适应能力和分类识别效果，这为水下目标分类识别技术发展提供了新的研究方向和思路。本书对基

6

···试读结束···