基于对抗生成网络的声呐数据仿真技术.pdfVIP

摘要

近年来，随着现代声呐信号处理方法的大幅度进步，成像声呐仿真技术逐渐

发展成为了国内外声呐信号处理研究的热点之一，该技术在军事和民用领域起着

至关重要的作用。声呐数据仿真是基于声呐技术、信息科学、计算机科学与技术、

人工智能等多个领域相结合的重要技术，可用于水下资源开发、海底地形勘探、

水下目标探测等海洋实际工程领域；在军事上，声呐数据仿真技术也可用于海底

隐藏目标(如潜艇、水下武器设施、蛙人等)的检测与识别、港口船舶安防等领域。

当前声呐数据仿真领域主要存在以下三个问题：（1）真实海上声呐数据的获取往

往要耗费大量的人力、物力、财力，从而导致目标检测、跟踪等实际应用中特定

声呐数据数量不足的问题；（2）传统声呐数据仿真方法通过底层物理建模等方式，

不能有效控制生成图像的类别；（3）传统的图像逼真度指标无法客观、全面地评

估声呐仿真数据的逼真度。为了更好地解决以上问题，本文对基于生成对抗网络

的声呐数据仿真方法进行研究，主要研究内容如下：

（1）本文提出了一种基于Wasserstein距离度量方法（CWGAN）的声呐数

据条件生成方法。首先，在构建一个不同类别条件的声呐数据集的基础上，通过

融合模块将编码后的类别信息与网络输入端进行元素级融合，进一步在损失函数

中引入Wasserstein距离度量方法来衡量仿真生成样本和真实样本间的差异性。

实验结果表明，该方法可以控制生成特定类别条件的声呐图像，为小样本下的声

呐数据仿真技术提供了新的研究手段。

（2）本文提出了一种基于双分支注意力特征融合机制的声呐数据仿真方法

（CDBA-GAN）。针对特定类别条件下网络对仿真声呐数据结构关注度不高的问

题，本文设计并搭建了一种双分支注意力特征融合模块，在中间特征层分别完成

通道级注意力和像素级注意力的计算，并通过跳层连接来完成注意力特征融合操

作。实验结果表明，基于双分支注意力特征融合机制的声呐数据仿真方法的图像

逼真度优于现有其他方法。

（3）针对基于生成对抗网络的声呐数据仿真方法，本文在生成的仿真声呐

数据上完成了目标检测算法的标注、训练以及测试。本文首先搭建了Darknet53

网络来完成声呐目标特征提取，然后进一步搭建了多尺度预测模块来提高模型对

声呐中、小目标.的检测精度，期间采用k-means++聚类算法对锚框重新进行聚类

并得到9种不同尺度的锚框。最后在不同规模的仿真声呐数据集上完成标注、训

练和最终检测，实验结果表明，使用所提出的GAN模型仿真生成的数据，训练

得到的模型的泛化能力以及检测效果可以被提升。

关键词：声呐数据仿真技术，生成对抗网络，特定类别条件，双分支注意力，逼

真度

ABSTRACT

Inrecentyears,withthegreatprogressofmodernunderwateracousticsignal

processingtechnology,underwaterimagingsonarsimulationtechnologyhasbecome

ahotresearchtopicathomeandabroad,andplaysavitalroleinbothmilitaryand

civilfields.Sonardatasimulationisanimportantandcontinuouslydeveloping

technologybasedonsonartechnology,informationscience,computerscience,

artificialintelligenceandotherfields.Itcanbeusedinthefieldsofoceanengineering

fieldssuchasoceanresourcedevelopment,seabedgeologicalexploration,and

underwaterobjectdetection;Inmilitaryfields,sonardatasimulationtechnologyc