[发明专利]一种基于迁移学习的小样本垂直阵目标距离估计方法

权利要求书

1.一种基于迁移学习的小样本垂直阵目标距离估计方法，其特征在于步骤如下：

步骤1：对预选海域和探测海域的L个阵元的阵列接收的频域复声压进行范数归一化操作：

其中，f表示频率，p_l(f)表示第l个水听器接收到的声压，网络输入归一化后复声压的实部和虚部，从中提取得到

网络输入特征的维度为L×2F，其中F为频率数，Re表示实部，Im表示虚部；

以预选海域得到水声数据作为T1数据集；在探测海域得到小样本水声数据和测试数据分别作为T2和T3数据集；

步骤2：建立测距的卷积神经网络的回归模型，包含输入层、3个卷积层，3个池化层、全连接层和输出层；

输入层尺寸由输入特征大小决定，各个卷积层后即为一个池化层，3个卷积层中卷积滤波器大小分别为5×5、3×3和3×3，数量分别为128、128和256，池化层大小为2×2，输出层即回归层仅设置一个输出神经元，输出距离值；

步骤3：将含有预选海域大量水声数据的T1数据集作为测距的卷积神经网络的回归模型的输入训练集，得到基于卷积神经网络的预训练模型；

步骤4：将预训练模型的卷积层和池化层的权重保留，调整全连接层和输出层的权重，再训练由迁移层和调整层组成的网络，设置含有探测海域小样本水声数据的T2数据集为训练集，输入小样本水声数据经再训练，得到迁移学习模型；

步骤5：迁移学习模型，输入探测海域测试数据对T3测试集进行距离估计。

2.根据权利要求1所述的基于迁移学习的小样本垂直阵目标距离估计方法，其特征在于：所述步骤2的优化算法设置为sgdm，初始学习率为0.0001，批训练样本数量为128。