摘要：在水声目标识别领域,现有识别方法主要采用基于时域或时频域技术,对环境噪声和干扰非常敏感,尤其在复杂多路径水声环境中,信号容易受到干扰,且仅依赖时域和时频域的特征难以准确描述复杂或相似目标的关键属性。对此,为进一步挖掘水声数据信息,并充分利用时域与时频域特征,提出了基于多模态特征交叉融合的水声目标识别网络。首先,利用一维序列特征提取模块和以ResNet为主干网络的二维图像特征提取模块对水声数据进行粗提取。其次,为准确捕捉时域中时序信息,设计了一种时序注意力模块,实现对不同时间步的特征提取。接着,通过提出的特征融合模块实现多模态特征的融合,提升网络对多模态特征的提取能力,增强网络的特征表达能力。最后,在DeepShip数据集上进行验证,提出的水声目标识别网络取得98.80%的准确率,优于其他方法,证实了所提方法的有效性。

摘要：经过现场测试，确认大厦空调已达到设计要求，并提出合理的运行方式；通过对该项目的经济性分析，得出其投资回收期不到一年的结论。