基于强化学习与多分支网络的水声融合特征分类方法

本发明公开了一种基于强化学习与多分支网络的水声融合特征分类方法，属于水声信号处理与机器学习交叉技术领域。该方法通过提取舰船辐射噪声的LOFAR谱、DEMON谱、MFCC和VMD模态域特征，结合BellHop模型模拟的海洋环境参数(声速梯度、传播损失、多径数量、信噪比)，利用多分支神经网络(CNN处理LOFAR/DEMON、Bi‑LSTM处理MFCC/VMD)生成高维特征表示，并通过近端策略优化(PPO)算法动态调整特征融合权重，实现环境自适应的目标分类。本发明在浅海多径环境下准确率提升至87％，低信噪比环境下提升至72％，单次推理延迟小于20ms，支持嵌入式实时部署，显著提升了复杂海洋环境下的分类鲁棒性和计算效率。