计算机工程

作者：范裕莹, 李成娟, 易强, 李宝清

单位：1. 中国科学院上海微系统与信息技术研究所 微系统技术重点实验室, 上海 201800;2. 中国科学院大学, 北京 100049

关键词：声震信号,多模态融合,时域卷积网络,密集连接,运动目标分类

基金：微系统技术重点实验室基金（6142804190304）。

野外运动目标信号的背景噪声复杂，利用单模态声音信号进行野外目标分类识别率低且鲁棒性差。针对该问题，提出一种基于声震多模态融合的网络模型。借鉴DenseNet网络密集连接的思想改进时域卷积网络，从而对四通道声音信号和单通道震动信号进行深层次的特征提取，并将两种信号相互融合得到最终的目标分类结果。同时，使用带权重的损失函数解决因数据不均衡导致的泛化性能差的问题。实验结果表明，融合网络的识别准确率达到92.92%，较单模态输入网络提高了6.63%~9.46%，且该网络具有较强的鲁棒性。

来源：2021年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第9期