神经-听觉人机协同跨域全局注意力融合用于水下声学目标识别的研究

《Journal of Marine Science and Engineering》:Research on Neuro-Acoustic Human–Machine Collaborative Inter-Domain Global Attention Fusion for Underwater Acoustic Target Recognition Jiaqi Zhang, Zhangsong Shi, Huihui Xu, Zhe Rao, Songxue Bai and Junfeng Gao

【字体: 大 中 小 】 时间:2026年03月21日 来源:Journal of Marine Science and Engineering 2.8

编辑推荐:

  针对复杂海洋环境下水下声学目标识别适应性差、人机协同效率低的问题,本研究提出了一种基于脑机接口的人机协同识别框架。该研究融合了脑神经拓扑特征与机器学习声学特征,并引入了跨域全局注意力融合模块,探索了不同深度特征的融合关系,增强了联合特征表达能力。实验表明,所提模型增强了特征判别能力,获得了更稳定的识别模型,人机协同融合特征模型平均分类准确率达到96.4444%。该方法可缓解单模水下声学目标识别技术的局限性,为人与机器的优势互补实现有效人机合作提供了新思路,为未来水下识别技术及海洋研究提供了新见解。

  
浩瀚海洋深处,无数“声音密码”潜藏其中,识别出是船只、海豚还是蝠鲼,对于海洋探测、通信和安防至关重要。然而,传统方法面临“两难困境”:一方面,依赖专家“人耳”和经验的手工监测,虽然能利用大脑的高级认知机制,精准捕捉有效信息,但在噪声环境下效率低、认知负荷高;另一方面,依靠大数据的机器学习方法,虽处理海量信息速度快,却对环境变化敏感,难以适应复杂多变的海洋“杂音”环境。更棘手的是,现有的脑机接口技术,往往只是将大脑处理后的信号“甩锅”给机器学习模型进行分类,既没有充分发挥大脑筛选噪声的优势,也未能利用机器学习强大的信息处理能力,导致识别效率打了折扣。为了破解这个难题,一项融合人类“大脑智慧”与机器“算法算力”的新研究应运而生,并发表在了《Journal of Marine Science and Engineering》期刊上。这项研究旨在打造一个更智能、更强大的水下“声呐大脑”。
为了验证所提框架的有效性,研究者们展开了一系列严谨的实验。其主要技术方法可概括为:首先,实验设计与数据同步采集:研究招募了26-30岁、来自海洋渔捞与救援行业的健康参与者,采用改良的Oddball范式,向其播放掺杂海洋噪声和船舶噪声的龙虾、海豚、蝠鲼等目标声音,同步采集其脑电信号(EEG)和听觉刺激信号。其次,多模态特征提取:对EEG信号采用处理线性与非线性系统的转移熵(TE)算法提取脑网络拓扑特征,对水下声学信号则采用符合人耳听觉特性的梅尔频率倒谱系数(MFCC)进行特征提取。最后,跨域特征融合与建模:核心是提出了一个跨域全局注意力融合模块,该模块通过引入注意力机制,深度探索了脑神经特征和声学特征在不同层次上的融合关系,然后将融合后的联合特征输入长短时记忆网络(LSTM)进行分类识别。
研究者们对提出的模型进行了全面的验证,得出了以下关键结果:
  • •
    脑神经特征与声学特征的互补性:通过构建包含特征提取、特征选择和特征融合模块的完整模型,研究证实了同步提取的脑神经活动与水下声学信号特征之间存在显著的互补信息,融合两者能够获得比单一模态特征更强的特征表征能力。
  • •
    跨域全局注意力融合模块的有效性:提出的跨域全局注意力融合模块能够有效实现特征匹配和全局注意力关联,增强了最终识别特征的可区分性,从而提升了模型的整体性能。
  • •
    人机协同融合模型的优越性能:最终的实验结果表明,所提出的人机协同融合特征模型展现出强大的分类性能,平均分类准确率达到了96.4444%,显著优于仅使用脑神经特征或声学特征的单模态模型,证明其人机协同框架的有效性和鲁棒性。
本研究成功开发并验证了一种神经-听觉人机协同水下声学目标识别框架。其核心结论在于,通过跨域全局注意力机制,能够有效地同步融合大脑神经拓扑特征与机器学习的声学听觉特征,从而提取出更具代表性的联合特征。这种融合方式不仅增强了模型的特征判别能力,而且获得了更稳定、更准确的识别模型,平均分类准确率高达96.4444%。这项研究的重要意义在于,它为人与机器在处理复杂信息任务时的协同合作提供了一个新颖且高效的范式。它巧妙地将人类大脑对环境噪声的天然过滤能力、选择性注意机制与机器学习强大的信息处理和模式识别能力结合起来,有效缓解了传统单模态识别技术(无论是纯人工还是纯机器学习)在复杂海洋环境下面临的局限性。这为解决水下声学目标识别在适应性、效率和准确性等方面的长期挑战提供了新思路,不仅为未来水下探测、通信和海洋生物研究等领域的智能化发展注入了新动力,也为更广泛的人机协同智能系统的设计提供了宝贵的理论依据和技术参考。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号