Devido à complexidade e variabilidade do ambiente oceânico, o problema do reconhecimento de alvos por sonar ativo tem sido um desafio no campo da acústica subaquática. A tecnologia de reconhecimento por fusão baseada em aprendizado profundo oferece um caminho eficaz para resolver esse problema, mas confiar em uma estratégia simples de concatenação para combinar características multidomínios causa redundância de informação e dificulta a extração eficaz das informações de associação entre domínios. Portanto, propõe-se um método de reconhecimento por fusão de características multidomínios para alvos de sonar ativo baseado em mecanismo de atenção. Por meio do pré-processamento do sinal de eco do sonar ativo e da construção de uma rede para extração e fusão de características multidomínios, o método utiliza uma rede neural convolucional unidimensional com memória de curto e longo prazo (1DCNN-LSTM) e uma rede neural convolucional bidimensional (2DCNN) com a introdução de atenção por canal para extrair características profundas de domínios distintos. Em seguida, a concatenação das características combinada com a construção de atenção cruzada multidomínios é usada para realizar a fusão de características intra-domínio e inter-domínio, maximizando a preservação das características do alvo, eliminando efetivamente informações redundantes e promovendo a troca de informações entre domínios. Os resultados experimentais mostram que a rede de fusão de características multidomínios baseada em mecanismo de atenção reforça a interação de informações entre domínios e melhora significativamente a capacidade de representação das características em comparação com métodos de domínio único. Em comparação com outros métodos, este método apresenta vantagens claras em desempenho e mantém uma capacidade de generalização estável mesmo em cenários com baixa relação sinal-ruído.

Reconhecimento de alvos acústicos subaquáticos;redes neurais;mecanismo de atenção;fusão de características multidomínios