[发明专利]一种水中目标的数据增强方法

权利要求书

1.一种水中目标的数据增强方法，其特征在于，包括以下步骤：

步骤一，接收当前水域目标的水声信号y(n)，经过降噪和去直流后得到信号s(n)；

步骤二，对信号s(n)进行短时傅里叶变换得到每个音频信号的时频特征图；

步骤三，将所有时频特征图作为数据集S，对数据集S打上标签，并进行像素归一化处理；

步骤四，搭建基于DCGAN的数据增强模型，其中，生成模型共有五个模块，每个模块都包括输入层、反卷积层、批归一化层、激活函数层和输出层，前四个模块使用ReLU激活函数，第五个模块使用Tanh激活函数；判别模型也有五个模块，每个模块都包括输入层、卷积层、批归一化层、激活函数层和输出层，判别模型前四个模块内部激活函数使用Leaky ReLU，第五个模块使用Sigmoid激活函数；

步骤五，训练步骤四搭建的基于DCGAN的数据增强模型；

步骤六，使用训练好的DCGAN模型对数据集S进行数据增强。

2.根据权利要求1所述的水中目标的数据增强方法，其特征在于，所述的步骤二中短时傅里叶变换的窗长设置为1024，重叠长度设置为1000，傅里叶点数设置为1024。

3.根据权利要求1所述的水中目标的数据增强方法，其特征在于，所述的DCGAN生成模型中，前四个模块的卷积核尺寸为4x4，第五个模块的卷积核尺寸为5x5；第一个模块的步长为1，第二至第四个模块的步长为2，第五个模块的步长为3；第一个模块的填充为0，后四个模块的填充为1；五个模块的输出大小依次为4x4、8x8、16x16、32x32和96x96。

4.根据权利要求1所述的水中目标的数据增强方法，其特征在于，所述的DCGAN判别模型中，第一个模块的卷积核尺寸为5x5，后四个模块的卷积核尺寸为4x4；第一个模块的步长为3，第二至第四个模块的步长为2，第五个模块的步长为1；前四个模块的填充为1，第五个模块的填充为1；前四个模块的输出大小依次为32x32、16x16、8x8和4x4，第五个模块不接全连接层，扁平化处理后直接送给Sigmoid输出层。

5.根据权利要求1所述的水中目标的数据增强方法，其特征在于，所述的步骤五交替训练生成模型和判别模型，当训练生成模型时，固定住判别模型，一个随机隐空间向量作为生成模型的输入，通过反卷积操作逐步地生成假数据，将假数据和真实数据输入到判别模型，判别模型给出输入数据为真实数据的概率值，通过生成模型的损失函数得到生成模型的损失值，将该损失值反向传播到生成模型中的各个节点，并更新生成模型参数；当训练判别模型时，固定住生成模型，从真实样本中抽取一个批数据，将标签标记为1；将生成模型中生成的批数据标记为0，两批数据同时作为判别模型的输入，让判别模型对输入数据进行判定，通过判别模型的损失函数得到判别模型的损失值，再将这个损失值反向传播至判别模型中的各个节点，更新判别模型参数。

6.根据权利要求1所述的水中目标的数据增强方法，其特征在于，所述的基于DCGAN的数据增强模型搭建和训练过程中涉及的超参数设置包括生成模型输入维度为96，Batch-size为16，Epoch为100，Adam优化器为(0.5,0.999)，Learning-rate为0.0002，Leaky ReLU为0.2。