海洋環境が複雑かつ変動しやすいため、能動ソナーによる目標認識問題は水中音響分野で長らく難題とされてきた。深層学習に基づく融合認識技術はこの問題を解決するための有効な手段を提供するが、単純な連結戦略で複数ドメインの特徴を融合すると情報の冗長性が生じ、ドメイン間の関連情報を効果的に抽出しにくい。本研究では、注意機構に基づく能動ソナー目標の多ドメイン特徴融合認識手法を提案する。能動ソナーのエコー信号を前処理し、多ドメイン特徴抽出・融合ネットワークを構築することで、本手法は長短期記憶を持つ1次元畳み込みニューラルネットワーク（1DCNN-LSTM）とチャネル注意を導入した2次元畳み込みニューラルネットワーク（2DCNN）を用いて異なるドメインの深層特徴を抽出する。その後、特徴の連結と多ドメイン交差注意を組み合わせて、同一ドメインおよびクロスドメインの特徴融合を行い、目標特徴の最大限の保持と冗長情報の効果的な除去、ドメイン間情報の交流を促進する。実験結果から、注意機構に基づく多ドメイン特徴融合ネットワークは、単一ドメイン手法と比較してドメイン間情報交流を強化し、特徴表現能力を大幅に向上させることが示された。他の手法と比較して、本手法は性能面で明らかな優位性を持ち、低信号雑音比環境下でも安定した汎化能力を維持する。

水中音響目標認識;ニューラルネットワーク;注意機構;多ドメイン特徴融合