為了解決這些問題,人們提出了各種信號處理方法來提取水聲信號的特征,包括LOFAR譜、Meier標量譜圖、Meier倒譜系數(MFCC)和Hilbert-Huang變換特征。隨著深度學習的發展,基于這些方法的特征已被用來開發船舶信號識別模型。然而,現有的水聲數據集有限,不同的識別方法主要競爭小樣本問題,必須具有更強的泛化性。
有學者將原始音頻直接輸入神經網絡進行識別。將原始音頻輸入CNN網格層,提高網絡的泛化能力。開發了一種聽覺啟發的卷積神經網絡,結合多尺度擴展以增強其泛化能力。
更多學者使用光譜特征作為網絡的輸入,研究方向轉向特征增強和小樣本學習問題。