船舶噪聲分析是水聲遙感研究的一個關鍵領域，因為它在識別船舶方向、類型甚至特定船舶身份方面具有實際意義。然而，數據的有限性給開發準確的船舶噪聲分類模型帶來了挑戰。

以往的研究主要集中在小樣本學習方法上，導致網絡結構復雜。盡管如此，水下機器人的計算能力通常有限，因此開發更簡單的識別網絡至關重要。在本文中，我們通過引入正激勵噪聲來解決數據稀缺問題。

我們提出了一種基于 CNN 的水聲信號識別方法，該方法使用簡單的網絡結構作為后端決策系統，實現了與之前的研究相當或更好的性能。我們使用添加噪聲的數據集描述特征提取過程，并比較各種特征的性能。

此外，我們將我們提出的方法與以前的研究進行了比較。實驗結果表明，簡單的神經網絡可以實現高性能和出色的泛化性，而不需要對抗性學習模型等復雜的網絡結構。