-
题名基于双低秩调整训练的船舶辐射噪声识别
- 1
-
-
作者
马治勋
汤宁
李璇
郝程鹏
-
机构
中国科学院声学研究所
中国科学院大学电子电气与通信工程学院
-
出处
《水下无人系统学报》
2026年第1期47-56,共10页
-
文摘
针对深度学习模型在船舶辐射噪声识别中由数据短缺、域偏移导致的泛化能力受限问题,文中提出了一种权重-特征双低秩自适应迁移学习框架。该框架从模型权重和特征表达2个维度协同开展低秩优化:在权重空间,冻结预训练权重,通过轻量化低秩权重调整(WLoRA)模块构建可学习低秩权重参数,以较少参数量完成权重微调,从而降低过拟合风险;在特征空间,基于船舶辐射噪声Mel时频谱的内在低秩结构,通过低秩特征调整(FLoRA)模块对特征进行压缩和重构,从而显式约束模型学习低秩特征。该框架充分考虑了Mel时频谱的固有低秩结构,深入挖掘预训练模型潜力,有效提升了迁移学习性能。通过在ShipsEar和Deepship公开数据集上的实验表明,相对于直接微调预训练模型,所提方法能够有效提升迁移学习在船舶辐射嗓声分类模型中的性能。进一步的消融实验验证了2个低秩模块的有效性。
-
关键词
船舶辐射噪声
双低秩
迁移学习
Mel时频谱
-
Keywords
ship radiated noise
dual low-rank
transfer learning
Mel spectrogram
-
分类号
TJ630
[兵器科学与技术—武器系统与运用工程]
U697.94
[交通运输工程—港口、海岸及近海工程]
-
