1.一種一維深度卷積網(wǎng)絡(luò)的水下多目標(biāo)識別方法，其特征是：對水聲信號的預(yù)加重、交疊分幀聲音信號長度選擇、輸入卷積網(wǎng)絡(luò)提取特征、調(diào)整選擇網(wǎng)絡(luò)參數(shù)、極限學(xué)習(xí)機(jī)進(jìn)行分類識別，所述預(yù)加重是采用6dB/倍頻的一階數(shù)字濾波器增強(qiáng)高頻部分使信號頻譜平坦；所述交疊分幀聲音信號長度選擇是選用窗函數(shù)對信號進(jìn)行截取，獲得時長為170ms的信號作為卷積神經(jīng)網(wǎng)絡(luò)的最佳輸入幀長；所述輸入卷積網(wǎng)絡(luò)提取特征是采用一維深度卷積網(wǎng)絡(luò)對聲音信號進(jìn)行特征提取；所述調(diào)整選擇網(wǎng)絡(luò)參數(shù)是使用訓(xùn)練樣本集對卷積網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)得到能獲取最佳特征的網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)；所述極限學(xué)習(xí)機(jī)進(jìn)行分類識別為選擇極限學(xué)習(xí)機(jī)對卷積網(wǎng)絡(luò)的輸出特征進(jìn)行分類識別。
2.根據(jù)權(quán)利要求1所述的一維深度卷積網(wǎng)絡(luò)的水下多目標(biāo)識別方法，其特征是：所述選用窗函數(shù)對信號進(jìn)行截取是用窗函數(shù)w(n)乘以原始信號s(n)，得到幀信號sw(n)＝s(n)*w(n)，窗函數(shù)選擇旁瓣衰減較少的漢明窗。
3.根據(jù)權(quán)利要求1或2所述的一維深度卷積網(wǎng)絡(luò)的水下多目標(biāo)識別方法，其特征是：所述采用一維深度卷積網(wǎng)絡(luò)對聲音信號進(jìn)行特征提取是使用三層卷積加兩層池化的深度卷積網(wǎng)絡(luò)對原始語音信號進(jìn)行逐層特征提取。
4.根據(jù)權(quán)利要求1或2所述的一維深度卷積網(wǎng)絡(luò)的水下多目標(biāo)識別方法，其特征是：所述網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)包括卷積核大小、卷積步長、池化核大小、池化步長、激活函數(shù)、學(xué)習(xí)率、沖量大小。
5.根據(jù)權(quán)利要求3所述的一維深度卷積網(wǎng)絡(luò)的水下多目標(biāo)識別方法，其特征是：所述網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)包括卷積核大小、卷積步長、池化核大小、池化步長、激活函數(shù)、學(xué)習(xí)率、沖量大小。
6.根據(jù)權(quán)利要求1或2所述的一維深度卷積網(wǎng)絡(luò)的水下多目標(biāo)識別方法，其特征是：所述選擇極限學(xué)習(xí)機(jī)對卷積網(wǎng)絡(luò)的輸出特征進(jìn)行分類識別包括：將由深度遞歸網(wǎng)絡(luò)逐層提取的特征圖全連接到極限學(xué)習(xí)機(jī)分類器上，選用一個無限可微的激活函數(shù)，隨機(jī)設(shè)置輸入層權(quán)重和隱含層偏置，僅訓(xùn)練輸出層權(quán)值。
7.根據(jù)權(quán)利要求3所述的一維深度卷積網(wǎng)絡(luò)的水下多目標(biāo)識別方法，其特征是：所述選擇極限學(xué)習(xí)機(jī)對卷積網(wǎng)絡(luò)的輸出特征進(jìn)行分類識別包括：將由深度遞歸網(wǎng)絡(luò)逐層提取的特征圖全連接到極限學(xué)習(xí)機(jī)分類器上，選用一個無限可微的激活函數(shù)，隨機(jī)設(shè)置輸入層權(quán)重和隱含層偏置，僅訓(xùn)練輸出層權(quán)值。
8.根據(jù)權(quán)利要求4所述的一維深度卷積網(wǎng)絡(luò)的水下多目標(biāo)識別方法，其特征是：所述選擇極限學(xué)習(xí)機(jī)對卷積網(wǎng)絡(luò)的輸出特征進(jìn)行分類識別包括：將由深度遞歸網(wǎng)絡(luò)逐層提取的特征圖全連接到極限學(xué)習(xí)機(jī)分類器上，選用一個無限可微的激活函數(shù)，隨機(jī)設(shè)置輸入層權(quán)重和隱含層偏置，僅訓(xùn)練輸出層權(quán)值。
9.根據(jù)權(quán)利要求5所述的一維深度卷積網(wǎng)絡(luò)的水下多目標(biāo)識別方法，其特征是：所述選擇極限學(xué)習(xí)機(jī)對卷積網(wǎng)絡(luò)的輸出特征進(jìn)行分類識別包括：將由深度遞歸網(wǎng)絡(luò)逐層提取的特征圖全連接到極限學(xué)習(xí)機(jī)分類器上，選用一個無限可微的激活函數(shù)，隨機(jī)設(shè)置輸入層權(quán)重和隱含層偏置，僅訓(xùn)練輸出層權(quán)值。