摘要
在水下目标识别中，小型目标的散射特性较弱，且对观测角度非常敏感，这在复杂环境中实现稳定和可靠的识别带来了重大挑战。现有的方法主要是数据驱动的，依赖于封闭集分类器，这些分类器通常缺乏物理可解释性，并且在不同的观测条件下泛化能力有限。为了解决这些问题，提出了一种基于物理原理的深度嵌入框架用于水下目标识别。首先，设计了一个编码器-解码器网络，从测量的回波频率谱中学习具有代表性的、物理上一致的散射特征。然后提取编码器的输出来构建一个基于三重体的嵌入模型，该模型将高维散射谱映射到一个具有区分能力的低维特征空间中。在嵌入空间中，进一步采用基于相似性的决策策略来替代传统的分类器，通过评估嵌入特征之间的关系来实现目标识别。实验结果表明，所提出的方法在不同观测角度下都能实现可靠的识别性能，并建立了散射特性与识别结果之间的可解释性联系。该框架提供了一种有效的方法，将基于物理原理的特征学习与深度嵌入方法结合起来，用于水下目标识别。
