نظرًا لتعقيد وتغير بيئة المحيطات، فإن مشكلة التعرف على الأهداف بالموجات الصوتية النشطة تمثل تحديًا في مجال الصوتيات البحرية. توفر تقنية التعرف بالدمج القائمة على التعلم العميق مسارًا فعالًا لحل هذه المشكلة، لكن الاعتماد على استراتيجية الدمج البسيطة عبر ربط الخصائص متعددة المجالات يسبب تكرار المعلومات ويجعل من الصعب استخراج العلاقات بين المجالات بشكل فعال. لذلك، تم اقتراح طريقة دمج ميزات متعددة المجالات للتعرف على أهداف الموجات الصوتية النشطة تعتمد على آلية الانتباه. من خلال معالجة إشارة الصدى الصوتي النشط وبناء شبكة لاستخراج ودمج الميزات متعددة المجالات، تستخدم هذه الطريقة شبكة عصبية تلافيفية أحادية البعد ذات ذاكرة قصيرة وطويلة الأمد (1DCNN-LSTM) لاستخراج الميزات العميقة من مجال واحد، وشبكة عصبية تلافيفية ثنائية الأبعاد (2DCNN) مدخلة إليها آلية انتباه للقنوات لاستخراج الميزات من مجال آخر. بعد ذلك، يتم دمج الميزات وبناء آلية انتباه متقاطعة متعددة المجالات لدمج الميزات ضمن نفس المجال وعبر المجالات، مما يحافظ على ميزات الأهداف بشكل أمثل ويقلل من المعلومات الزائدة ويعزز تبادل المعلومات بين المجالات. تظهر النتائج التجريبية أن شبكة دمج الميزات متعددة المجالات القائمة على آلية الانتباه تعزز تفاعل المعلومات عبر المجالات وتحسن بشكل ملحوظ القدرة على تمثيل الميزات مقارنة بأساليب المجال الواحد. بالمقارنة مع الأساليب الأخرى، تمتاز هذه الطريقة بأداء متميز وتحافظ على قدرة تعميم مستقرة حتى في سيناريوهات ذات نسبة إشارة إلى ضوضاء منخفضة.

التعرف على أهداف الصوت البحري;الشبكات العصبية;آلية الانتباه;دمج ميزات متعددة المجالات