用于水聲目標(biāo)信號時頻特征提取與識別的深度卷積神經(jīng)網(wǎng)絡(luò)

李俊豪，楊宏暉

（西北工業(yè)大學(xué)航海學(xué)院，西安 710072）

1 引 言

在水下目標(biāo)探測、識別的軍事任務(wù)中，被動聲納系統(tǒng)具有較好的隱蔽性和靈活性。如何利用被動聲納獲取的艦船輻射噪聲進(jìn)行水下目標(biāo)探測與識別成為了亟需解決的問題。但由于各種艦船隱身技術(shù)的應(yīng)用以及海洋環(huán)境的復(fù)雜多樣，基于艦船輻射噪聲的水下目標(biāo)識別任務(wù)面臨著巨大挑戰(zhàn)。目前還是依靠訓(xùn)練有素的聲納員進(jìn)行水下目標(biāo)識別，但由于人的生理和心理因素的不穩(wěn)定性，難以做到穩(wěn)定的全天候水下目標(biāo)探測與識別。

有研究者嘗試使用傳統(tǒng)的機(jī)器學(xué)習(xí)方法構(gòu)建水下目標(biāo)自動識別系統(tǒng)。這類傳統(tǒng)的機(jī)器學(xué)習(xí)方法大致可以分為三個部分：特征提?。?］、特征選擇［2］和分類器設(shè)計［3］。這些人工提取的特征過于依賴專家知識，且由于海洋環(huán)境復(fù)雜多變，這些特征的泛化性有待提升。人工設(shè)計的淺層分類器，如支持向量機(jī)（Support Vector Mechanism，SVM），在處理小批量數(shù)據(jù)時效率尚可，但隨著處理的數(shù)據(jù)量增加，SVM的計算效率明顯下滑，很難達(dá)到對大量數(shù)據(jù)的高效率判決。所以僅僅依賴傳統(tǒng)機(jī)器學(xué)習(xí)的水下目標(biāo)識別方法難以滿足現(xiàn)有的識別任務(wù)需求。隨著大數(shù)據(jù)時代來臨以及深度學(xué)習(xí)的發(fā)展，基于大數(shù)據(jù)的深度學(xué)習(xí)框架在圖像識別、語音識別、文本翻譯等很多領(lǐng)域都取得了輝煌的成果，在一些特定任務(wù)上表現(xiàn)出不亞于人類的水平［4-5］。其中，卷積神經(jīng)網(wǎng)絡(luò)在處理具有二維網(wǎng)格結(jié)構(gòu)的圖像方面是最成功的［6-7］。并且，大部分神經(jīng)網(wǎng)絡(luò)模型一定程度上是將特征提取過程、特征選擇過程和分類器判決融合為一體。已經(jīng)訓(xùn)練好的模型在測試階段的判決效率相比傳統(tǒng)的機(jī)器學(xué)習(xí)方法有明顯提升，更適用于對大量數(shù)據(jù)的高效判決。

本文從艦船輻射噪聲時頻圖著手，在通用的卷積網(wǎng)絡(luò)的基礎(chǔ)上改變了特征提取的方式，有助于提取到具有一定物理意義的深度特征。在實驗中觀察不同頻段特征對分類的貢獻(xiàn)，并在驗證集上對模型的識別性能進(jìn)行驗證。

2 水聲目標(biāo)識別網(wǎng)絡(luò)構(gòu)建

2.1 卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)是一種專門處理具有類似網(wǎng)格結(jié)構(gòu)數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)［6］。在前向傳播時，在第l層卷積層中，第l-1層的一組特征圖先與若干可訓(xùn)練的卷積核相卷積，再通過激活函數(shù)得到該層輸出的特征圖。通常可以表示為：

通過這樣層層提取特征，隨著網(wǎng)絡(luò)深度的加深，越深層的卷積層可以觀察到更加細(xì)致的圖像結(jié)構(gòu)，也具有更大的感受野。這樣深度的特征往往也包含更多類別屬性的信息［8-9］。

2.2 針對線譜特性的深度卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)在提取特征時具有很好的平移不變性，這得益于權(quán)值共享，即同一個卷積核在全局圖像上滑動提取特征時權(quán)值是一定的。但對于一張二維的艦船輻射噪聲時頻圖，讓卷積核在兩個維度（頻率和時間維度）上都進(jìn)行平移并共享權(quán)值并不利于提取到有物理意義的特征。這是因為當(dāng)卷積核在頻率維度上進(jìn)行平移并參數(shù)共享時相當(dāng)于打亂了本來具有物理意義的頻率位置，提取到的特征難以和之前的頻率點有所對應(yīng)。

艦船輻射噪聲時頻圖可以看作是艦船輻射噪聲頻率成分在時間軸上有規(guī)律的分布。本文改變二維卷積核可移動的方式，使其只在時間維度上進(jìn)行移動和權(quán)值共享，如圖1所示。通過這樣的調(diào)整，網(wǎng)絡(luò)中的卷積核可以提取到在時間軸上具有平移不變性的頻率分布特征，即較穩(wěn)定的線譜特征。艦船輻射噪聲主要由螺旋槳噪聲、機(jī)械噪聲和空化噪聲構(gòu)成，螺旋槳噪聲和機(jī)械噪聲多表現(xiàn)為低頻的復(fù)雜線譜［10］。當(dāng)使用本文特殊設(shè)計的卷積神經(jīng)網(wǎng)絡(luò)時，可以提取到隨著時間變化更加穩(wěn)定的低頻線譜特征及其分布規(guī)律。這對揭示與艦船類別屬性相關(guān)的深層特征是有益的。

本文先使用在時間軸上滑動的一組卷積層對艦船輻射噪聲時頻圖的每個頻段分別提取譜特征，再對各個頻段的譜特征進(jìn)行聯(lián)合，通過深度的全連接層進(jìn)行深度特征的提取，最后使用softmax層進(jìn)行目標(biāo)類別的預(yù)測。

圖1 時間維度滑動的二維卷積核Fig.1 Convolution kernels sliding along the time axis

3 實驗數(shù)據(jù)

本文中所采用的數(shù)據(jù)來自加拿大海洋觀測網(wǎng)（Ocean Networks Canada Observation）。采集設(shè)備是位于北緯49.080811°，西經(jīng)123.3390596°海平面以下144m的被動聲吶。錄音每段時長為5m/n，采樣頻率為32000Hz。結(jié)合船舶自動識別系統(tǒng)（Automatic Identification System，AIS）給每段錄音添加類標(biāo)。由于海洋中存在大量船只同時在一定海域內(nèi)航行，艦船輻射噪聲之間會存在不可避免的干擾。因此本文選擇訓(xùn)練和驗證網(wǎng)絡(luò)的信號樣本是當(dāng)且僅當(dāng)距水聽器2km以內(nèi)有單目標(biāo)船只且3km以內(nèi)沒有其他船只干擾的情況下錄取的。其中，以距水聽器7km以內(nèi)沒有船只為標(biāo)準(zhǔn)，錄取了海洋環(huán)境背景噪聲。

訓(xùn)練數(shù)據(jù)以及驗證數(shù)據(jù)共分為六類，分別是：海洋環(huán)境噪聲、散裝貨船、集裝箱貨船、中型客船、油輪以及拖船。每類目標(biāo)的訓(xùn)練數(shù)據(jù)以及驗證數(shù)據(jù)詳情如表1所示。本文對訓(xùn)練數(shù)據(jù)和驗證數(shù)據(jù)做了嚴(yán)格的分割，即訓(xùn)練數(shù)據(jù)和驗證數(shù)據(jù)中的任一同類目標(biāo)具有完全不同的工況（不同的航次或者不同的船只）。

表1 數(shù)據(jù)說明Table 1 Data description

4 實 驗

實驗分為兩個部分：第一部分是深度卷積神經(jīng)網(wǎng)絡(luò)對于水聲信號特征提取結(jié)果的觀察實驗；第二部分是深度卷積神經(jīng)網(wǎng)絡(luò)深度特征聚類性能以及網(wǎng)絡(luò)識別性能的評價實驗。

4.1 水聲信號譜特征提取實驗

在大量水聲數(shù)據(jù)驅(qū)動下，深度卷積神經(jīng)網(wǎng)絡(luò)自適應(yīng)地對艦船輻射噪聲時頻圖中隱含的目標(biāo)屬性特征進(jìn)行提取。在低頻范圍內(nèi)艦船輻射噪聲存在大量線譜特征，這些線譜可以反應(yīng)出目標(biāo)艦船的設(shè)備特點以及一定的工作狀態(tài)。

對深度卷積神經(jīng)網(wǎng)絡(luò)的卷積核進(jìn)行可視化，觀察其提取到的特征。圖2展示了對不同頻段的時頻圖進(jìn)行特征提取的卷積核可視化結(jié)果，從左到右卷積核的關(guān)注頻率范圍分別是：0～100Hz；100～200Hz；200～300Hz；300～400Hz；1200～1300Hz；1300～1400Hz；1400～1500Hz；1500～1600Hz。從圖2中可以發(fā)現(xiàn)，一些關(guān)注低頻區(qū)域的卷積核可以提取到低頻線譜特征，而另一些關(guān)注高頻區(qū)域的卷積核提取到的特征更加雜亂。這很可能是由于本身具有艦船類別屬性的特征較集中的分布在低頻范圍內(nèi)導(dǎo)致的。

圖2 卷積核對不同頻段譜特征的提取Fig.2 Extraction of different frequency scales by convolution kernels

4.2 深度卷積神經(jīng)網(wǎng)絡(luò)識別性能評價實驗

本文在訓(xùn)練集中隨機(jī)抽取每類500條數(shù)據(jù)作為樣本點，通過t分布隨機(jī)近鄰嵌入算法（t-Distributed Stochastic Neighbor Embedding，t-SNE）［11］對深度卷積神經(jīng)網(wǎng)絡(luò)提取到的水聲目標(biāo)深度特征進(jìn)行降維，得到二維特征點并可視化，如圖3所示。 圖中，a和b分別為0～100Hz頻率范圍以及1500～1600Hz的卷積核提取到的特征并通過t-SNE降維的可視化結(jié)果，可以發(fā)現(xiàn)，a中相同類別的艦船之間的聚類程度相比b中要更緊湊，但海洋環(huán)境噪聲也混疊在其中；而b中海洋環(huán)境噪聲與所有艦船類別的分離度更好，但艦船之間幾乎完全混疊；c為聯(lián)合了所有頻段的卷積核的特征通過t-SNE降維的可視化結(jié)果；d為網(wǎng)絡(luò)最深層特征通過t-SNE降維的可視化結(jié)果。c和d中的特征相比每個頻段而言，明顯具有更好的同類間聚集性。

表2中展示了驗證集上實驗結(jié)果的混淆矩陣，每一類驗證樣本被識別成各類的樣本數(shù)如表中所示，第一列是真實的樣本類標(biāo)，第一行是被識別成的類別。表3中展示了各類驗證數(shù)據(jù)的召回率、準(zhǔn)確率和F1得分。其中，召回率指的是某類樣本被正確識別成該類的樣本數(shù)除以該類別總樣本數(shù)，準(zhǔn)確率指的是某類樣本被正確識別成該類的樣本數(shù)除以所有被識別成該類的樣本數(shù)，F(xiàn)1得分是綜合召回率和準(zhǔn)確率共同得到的指數(shù)，用于評價網(wǎng)絡(luò)的識別性能，具體計算方式如下：

其中，P是準(zhǔn)確率，R是召回率。

圖3 t-SNE散點圖Fig.3 Results of t-SNE feature visualization

表2 實驗結(jié)果混淆矩陣Table 2 The confusion matrix

結(jié)合表2和表3可知，海洋環(huán)境噪聲的召回率和準(zhǔn)確率最高，分別達(dá)到99.2%和97.5%，在各類艦船中識別結(jié)果最好的是中型客船，F(xiàn)1得分達(dá)到76.6%。散裝貨船、集裝箱貨船和油輪的總體識別結(jié)果較差，相互之間混疊比較嚴(yán)重，可能是由于同為貨船大類的原因。

表3 網(wǎng)絡(luò)識別性能評價Table 3 Evaluation of recognition performance

5 結(jié)束語

本文針對水聲目標(biāo)時頻特性在通用卷積網(wǎng)絡(luò)的基礎(chǔ)上對卷積核特征提取方式進(jìn)行了改進(jìn)，使之能提取到具有一定物理意義的特征。通過降維可視化方法觀察了深度網(wǎng)絡(luò)提取到特征聚類性能，發(fā)現(xiàn)整合所有頻段的最深層特征的聚類性能最優(yōu)。并且在六類分類實驗中驗證集總識別率達(dá)到了75.1%，海洋環(huán)境噪聲的識別率達(dá)到了99.2%。將深度學(xué)習(xí)技術(shù)用于水聲目標(biāo)識別是一個極具潛力的研究方向，但如何提高深度學(xué)習(xí)的可解釋性是面臨的挑戰(zhàn)之一。本文從艦船輻射噪聲時頻特征的物理意義角度進(jìn)行了一定的討論和分析，一定程度上加強(qiáng)了深度網(wǎng)絡(luò)提取到的特征可解釋性。