해양 환경이 복잡하고 변화무쌍하기 때문에 능동 소나 목표 인식 문제는 수중 음향 분야에서 오랫동안 난제였다. 딥러닝 기반 융합 인식 기술은 이 문제를 해결하는 효과적인 방법을 제공하지만, 단순 연결 전략을 통해 다중 도메인 특성을 융합하면 정보 중복이 발생하고 도메인 간 연관 정보를 효과적으로 발굴하기 어렵다. 따라서 주의 메커니즘 기반 능동 소나 목표 다중 도메인 특성 융합 인식 방법을 제안한다. 능동 소나 에코 신호를 전처리하고 다중 도메인 특성 추출 및 융합 네트워크를 구축하여, 이 방법은 장단기 기억을 갖춘 1차원 합성곱 신경망(1DCNN-LSTM)과 채널 주의 메커니즘을 도입한 2차원 합성곱 신경망(2DCNN)을 사용하여 서로 다른 도메인의 심층 특성을 추출한다. 이후 특성 연결과 다중 도메인 교차 주의 메커니즘을 결합하여 동일 도메인 및 교차 도메인의 특성을 융합하며, 목표 특성을 최대한 보존하는 동시에 중복 정보를 효과적으로 제거하고 도메인 간 정보 교류를 촉진한다. 실험 결과, 주의 메커니즘 기반 다중 도메인 특성 융합 네트워크는 단일 도메인 방법과 비교하여 도메인 간 정보 교류를 강화하고 특성 표현 능력을 크게 향상시켰다. 다른 방법과 비교했을 때 본 방법은 성능 면에서 뚜렷한 우위가 있으며, 낮은 신호대잡음비 환경에서도 안정적인 일반화 능력을 유지한다.

수중음향 목표 인식;신경망;주의 메커니즘;다중 도메인 특성 융합