基于并行双分支注意力机制网络的水下声学目标识别方法研究

为解决水下声学目标识别(UATR)中环境干扰与噪声影响导致的分类精度不足问题，研究人员提出了一种融合残差注意力(ResA)与双向长短期记忆网络(Bi-LSTM)的并行双分支模型ResA-LSTM。该模型通过Mel谱图同步提取时空特征，在ShipsEar和DeepShip数据集上分别实现98.55%和99.31%的分类准确率，为自主水下系统(AUV)提供了高鲁棒性解决方案。

　　

水下世界充满神秘与挑战，船舶辐射噪声作为水下声学信号的重要来源，其识别技术对海洋勘探、航行安全等领域至关重要。然而，复杂的海洋环境如同一个巨大的"干扰实验室"——水温变化、盐度波动、生物噪声等交织成一张干扰网，传统依靠声纳操作员人工判读的方法不仅效率低下，在实时性要求高的自主水下系统(AUV)应用中更显得力不从心。尽管人工智能技术为水下目标识别带来新机遇，但现有模型往往顾此失彼：卷积神经网络(CNN)擅长捕捉空间特征却忽视时间序列规律，长短期记忆网络(LSTM)精于时序分析却可能丢失局部细节。更棘手的是，船舶噪声信号往往持续时间长、频率分布不均，如何在噪声干扰下实现时空特征的完美融合，成为制约识别精度的关键瓶颈。

针对这一系列挑战，中国国家自然科学基金资助项目团队在《Engineering Applications of Artificial Intelligence》发表研究，提出革命性的ResA-LSTM模型。该模型采用双分支并行架构，通过残差注意力分支(ResA)提取空间特征，结合双向LSTM(Bi-LSTM)捕捉时序规律，创新性地引入通道与空间双重注意力机制增强特征显著性。研究采用ShipsEar和DeepShip两个公开数据集验证，通过Mel频率倒谱系数(MFCC)特征提取、并行特征融合等关键技术，实现了噪声环境下的高精度分类。

方法论
研究团队构建的ResA-LSTM框架包含三个创新模块：1)ResA分支通过残差连接与注意力机制增强空间特征提取；2)Bi-LSTM分支采用双向结构捕捉长时序依赖；3)特征融合层通过拼接与全连接实现时空特征有机整合。模型输入为经短时傅里叶变换(STFT)处理的Mel谱图，有效保留时频域信息。

数据集
实验选用ShipsEar和DeepShip两个标准数据集，前者包含11类船舶约3小时录音，后者涵盖265艘商船的23小时数据。通过5折交叉验证确保结果可靠性，数据预处理包括分帧、加窗和噪声增强等操作。

结果与讨论
在ShipsEar数据集上，ResA-LSTM以98.55%准确率超越传统SVM(89.21%)和CNN-LSTM串联模型(95.34%)。DeepShip测试中更达到99.31%的顶尖水平。消融实验显示，ResA模块使模型在-5dB信噪比下仍保持92.17%准确率，证实其噪声鲁棒性。特征可视化表明注意力机制能有效聚焦舰船特征频段，抑制环境干扰。

结论
该研究突破性地解决了水下声学目标识别中的时空特征融合难题，ResA-LSTM模型通过并行双分支架构和注意力机制，在保持实时处理能力的同时显著提升分类精度。特别值得关注的是模型对长序列数据的处理优势，单次可处理长达30秒的音频片段，为AUV等自主系统的实际部署扫除技术障碍。研究团队在致谢部分提到，这项工作为后续开发轻量化嵌入式识别系统奠定了理论基础，未来或可拓展至海洋生物声学监测等领域。