En raison de la complexité et de la variabilité de l'environnement océanique, la reconnaissance des cibles par sonar actif est depuis longtemps un problème difficile dans le domaine de l'acoustique sous-marine. La technologie de reconnaissance fusionnée basée sur l'apprentissage profond offre une voie efficace pour résoudre ce problème, mais l'utilisation d'une stratégie de concaténation simple pour fusionner les caractéristiques multi-domaines engendre des redondances d'informations et rend difficile l'extraction efficace des relations entre les domaines. Par conséquent, une méthode de reconnaissance des cibles de sonar actif basée sur la fusion des caractéristiques multi-domaines par mécanisme d'attention est proposée. En traitant le signal d'écho sonar actif et en construisant un réseau d'extraction et de fusion de caractéristiques multi-domaines, cette méthode utilise un réseau de neurones convolutif unidimensionnel avec mémoire à long court terme (1DCNN-LSTM) et un réseau convolutif bidimensionnel (2DCNN) introduisant une attention par canal pour extraire les caractéristiques profondes de différents domaines. Ensuite, la concaténation des caractéristiques combinée avec une attention croisée multi-domaines permet de fusionner les caractéristiques intra-domaines et inter-domaines, maximisant la préservation des caractéristiques cibles tout en éliminant efficacement les redondances d'informations et en favorisant l'interaction des informations entre les domaines. Les résultats expérimentaux montrent que le réseau de fusion des caractéristiques multi-domaines basé sur le mécanisme d'attention renforce l'interaction des informations inter-domaines et améliore significativement la capacité de représentation des caractéristiques par rapport aux méthodes mono-domaines. Comparée à d'autres méthodes, cette méthode présente un avantage notable en termes de performance, tout en maintenant une capacité de généralisation stable même dans des scénarios à faible rapport signal-bruit.

Reconnaissance des cibles acoustiques sous-marines;réseaux de neurones;mécanisme d'attention;fusion des caractéristiques multi-domaines