《Defence Technology》：RMDD: Randomized Multi-Feature Recomposition and Decoupled Class-wise Rectification for Underwater Acoustic Target Recognition
编辑推荐：
复杂的海洋环境通过环境干扰、传播损失和不断变化的观测条件影响被动声纳目标辐射噪声，导致不同声学特征在样本间的有效性产生差异。单一声学特征在局部线索退化时可能失效，而现有的多特征融合方法通常以固定方式输入和融合多种特征，这可能限制了对现有特征中目标相关信息的有效
复杂的海洋环境通过环境干扰、传播损失和不断变化的观测条件影响被动声纳目标辐射噪声，导致不同声学特征在样本间的有效性产生差异。单一声学特征在局部线索退化时可能失效，而现有的多特征融合方法通常以固定方式输入和融合多种特征，这可能限制了对现有特征中目标相关信息的有效利用。为解决这些问题，研究人员提出了一种用于被动声纳水声目标识别的随机多特征重组与解耦决策框架（RMDD）。在前端，随机多特征重组（RMFR）在训练期间随机重组特征视图并交换跨特征的局部区域，从而降低模型对固定特征布局的依赖，并提高了对样本相关特征变化的适应能力。在后端，解耦类级校正（DCR）通过类级解耦预测和Logits引导的校正缓解了声学相似类别之间的决策模糊。在ShipsEar和DeepShip数据集上的实验表明，RMDD分别实现了97.9%和88.7%的准确率。消融实验、特征丢弃和特征损坏实验进一步验证了所提出框架的有效性和鲁棒性。
研究背景与意义
随着海洋资源开发、海上安全监控和水下态势感知需求的不断增加，基于被动声纳的水声目标识别（UATR）已成为水声信号处理领域的重要研究课题。该任务旨在利用目标辐射噪声中的声学线索（如线谱结构、连续谱分量、谱包络和宽带能量分布）来识别水面或水下目标。然而，在真实的海洋环境中，目标辐射噪声极易受到环境噪声、传播衰减、多径效应以及观测距离变化的影响，导致关键的声学线索被削弱或掩盖。更为关键的是，不同声学特征在不同样本和观测条件下的有效性存在显著差异，某些在特定条件下清晰的声学线索在强噪声或长距离传播下会变得不可靠。现有基于深度学习的方法多依赖于单一特征建模或以固定的方式融合多种声学特征（如低频分析与记录（LOFAR）语谱图、梅尔语谱图、梅尔频率倒谱系数（MFCC）等）。但在复杂多变的实际场景中，这种固定的特征组织或融合模式容易使模型产生偏差，过度依赖于占据主导地位或已经退化的特征分量，难以充分利用现有特征中的有效目标信息。此外，不同船舶类别的辐射噪声可能源于相似的物理机制（如机械振动、螺旋桨转动、空化噪声等），当环境干扰削弱了类间差异时，传统的Softmax交叉熵损失会将所有类别响应归一化到一个共享概率空间中，导致强相对竞争，放大某一类别的优势而抑制其他声学相似类别，增加了误分类风险。针对上述特征利用不充分和声学相似目标决策混乱的问题，研究人员开展了本研究，提出了一种随机多特征重组与解耦决策框架（RMDD）。该研究通过在前端增强现有声学特征的有效利用，在后端提升相似目标的决策稳定性，显著提高了复杂水声环境下的识别性能，具有重要的学术和应用价值。该论文发表在《Defence Technology》期刊上。
关键技术与样本队列
研究人员为开展此项研究主要采用了以下关键技术方法：首先是输入端的声学特征构建与零填充对齐技术，将Log-Mel语谱图、MFCC和由Chroma、频谱对比度等组成的辅助特征（AUX）对齐堆叠；其次提出了随机多特征重组（RMFR）技术，在训练时通过随机特征重组与跨特征局部重组操作重构特征布局；接着提出了解耦类级校正（DCR）技术，采用Sigmoid独立激活的类级解耦预测替代Softmax耦合归一化，并引入Logits引导的权重校正机制；最后在评估阶段使用了特征丢弃与特征损坏等鲁棒性测试方法。本研究的实验样本队列来源于两个公开发布的真实测量水下声学数据集：由Santos等人整理的ShipsEar数据集（包含5类船舶与背景噪声，经划分含1556个训练样本）和DeepShip数据集（包含4类商船辐射噪声，经划分含7822个训练样本），为保证泛化评估的可靠性，均采用了严格的录音级别划分策略。
研究结果
3.1. 整体框架
通过构建由前端RMFR和后端DCR组成的RMDD框架，研究表明该框架能够在不引入额外特征类型或大幅增加主干网络复杂度的前提下，有效提升模型对现有多特征输入的利用效率，并在声学证据不足时增强决策的稳定性。
4.3. 消融实验
通过在ShipsEar和DeepShip数据集上分别对比Baseline、Baseline+RMFR、Baseline+DCR及完整的RMDD模型，得出以下结论：RMFR通过在训练中随机重组特征和局部区域，有效改善了多特征利用，分别带来了1.4%和2.4%的准确率提升；DCR通过类级解耦预测和Logits引导校正缓解了相似类别的过度竞争，带来了1.9%和2.7%的提升。两者结合的RMDD取得了最佳的97.9%和88.7%准确率。此外，在特征对齐策略对比中发现，零填充由于在归一化后进行且位于特征末端，未对局部特征学习造成负面影响，且无需额外参数，性能优于线性插值和线性映射。在类间梯度一致性的分析中，通过对比训练期间的梯度方向相似度，发现相比于Softmax，DCR使不同类别的分类器获得了更具差异化的优化信号，显著降低了类间梯度一致性，有效减少了优化过程中的耦合。
4.4. 超参数敏感性分析
通过在DeepShip数据上采用单因素分析法测试随机触发概率、局部交换面积比例、平滑常数和门控网络隐藏层维度，得出结论：适度的随机重组和局部扰动有助于增加特征组合多样性并提升性能，但过强或过弱的扰动会降低表现；RMDD在合理的参数范围内能够维持稳定的识别性能，其提升并不依赖于特定的超参数设置。
4.5. 不同数据集上的对比实验与鲁棒性分析
通过在两个公开数据集上与九种代表性基线方法对比，得出结论：RMDD在ShipsEar数据集上的所有评估指标上均取得最佳，准确率超出次优方法2.0%，并在DeepShip数据集上取得了最佳的准确率、精确率和Kappa系数。通过测试阶段的特征退化实验，包括特征丢弃、单特征损坏、多特征损坏和极低信噪比损坏，发现RMDD在单个特征缺失或被污染时能更好地利用剩余可靠特征，在多特征同时受损或强噪声下退化最缓，证明了RMFR与DCR结合带来的显著鲁棒性提升。
讨论与总结
在讨论部分，研究人员首先验证了RMDD在不同主干网络上的泛化能力。实验表明，无论是基于卷积神经网络（CNN）还是Transformer架构，RMDD均能提供一致的准确率增益，说明其不依赖于特定的网络内部结构。其次，通过在不同特征输入顺序下测试训练好的模型，发现RMFR有效降低了模型对固定特征排列的敏感性，使其在面对不同特征顺序时仍能维持相对稳定的性能，而非强制实现严格的置换不变性。最后，通过t-SNE可视化特征分布发现，在RMFR提供稳定多特征表示的基础上，DCR进一步优化了特征空间的类别判别结构，使同类样本更加紧凑，不同类别之间的边界更加清晰，证实了两模块间的互补作用。同时，研究人员也指出当前研究基于闭集识别假设，且未使用包含完整海洋环境与传感器元数据的数据集，在面对未知声源或跨海域传播条件时仍存在局限。
结论
本论文提出了一种用于基于被动声纳水声目标识别的随机多特征重组与解耦决策框架（RMDD）。RMFR通过在训练期间进行随机特征重组和跨特征局部重组，提高了复杂水声条件下现有声学特征的利用率；而DCR则通过类级解耦预测和Logits引导的类级校正，缓解了相似类别之间的决策混乱。在ShipsEar和DeepShip数据集上的实验表明，RMDD分别实现了97.9%和88.7%的识别准确率，分别超出基线3.6和5.3个百分点。消融实验、特征退化实验以及针对不同主干网络、特征顺序和梯度一致性的分析，进一步验证了RMFR和DCR的有效性。未来的研究将重点关注开集识别和跨域泛化问题，以提高RMDD在复杂开阔海洋环境中的适用性。
