基于连续小波变换和botnet的水下波长尺度声散射物体的分类识别方法

本发明公开了一种基于连续小波变换和botnet的水下波长尺度声散射物体的分类识别方法，采用连续小波变换提取声散射信号的时频联合特征，基于卷积神经网络方法，利用其特征提取能力处理所得到的时频图，从而识别和分类物体。本发明提供了“超声散射‑时频分析‑深度学习”的框架，通过跨层跳跃连接有效缓解深层网络训练中的梯度消失问题，确保模型能够捕捉时频特征图中多层次的细节信息；又能通过自注意力机制挖掘时频域的全局结构信息，从而提升多类别分类任务的精度。