中国科学院声学研究所语音与智能信息处理实验室刘政昆、任佳威等人在 JASA （2026 年8月刊）发表 Rhythm‑aware adaptive spectro‑temporal enhancement for underwater acoustic target recognition ，研制出节律感知自适应时频增强方法 RASTE，兼顾物理可解释性与识别鲁棒性，用于提升被动水声声学目标识别性能。
传统 DEMON 解调分析需要人工挑选滤波频段，同时假设信号平稳，当存在脉冲干扰时，效果会明显下降；深度学习识别模型容易过拟合环境噪声，在多变海洋环境泛化能力不足。RASTE 借鉴音乐节拍跟踪思路，无需人工选择最优解调频带，能够自适应提取船舶螺旋桨轴频、叶频节律特征，适配非平稳信号与脉冲干扰场景。该方法将提取的节律信息生成软掩码作用于频谱图，可直接嵌入各类基于频谱的水下识别网络。
图 1 RASTE 模型结构
图1上半部分为节拍提取模块，包含前端特征提取模块、全局 Transformer 模块以及任务头模块，输出轴节拍对数概率和桨叶节拍对数概率。图1下方虚线框内为桨叶数识别后处理模块，用于提升节拍提取模块对轴节拍与桨叶节拍的区分能力。需要注意，由于真实数据集缺少精确的节拍时间标注，RASTE 全部训练数据均采用仿真生成
。
图 2 基于 RASTE 的水下声学目标识别流程
图2是基于RASTE 的水下声学目标识别流程。预训练好的 RASTE 模型处理输入音频，输出桨叶节拍与轴节拍预测结果。对预测结果执行预处理、平滑以及 Sigmoid 变换，将其转换为时域掩码。再把该掩码作用于音频的时频谱，得到增强后的频谱；增强频谱随后送入深度神经网络开展模型训练或者推理预测。对比可见：增强特征频谱显著放大了节律特征（橙色框区域），而频率相关特征基本不受影响（蓝色框区域）。
团队构建仿真数据集完成模型训练，在 DeepShip、ShipsEar 两套公开船舶辐射噪声数据集开展验证。在节律特征明显的 DeepShip 数据集上，采用 CQT 特征输入时，RASTE 最高识别精度可达 80.78%；加入脉冲干扰模拟复杂海洋环境后，RASTE 识别精度维持 78.15%，明显优于 ResNet‑18 基线模型 73.56% 的结果。可视化结果表明，该方法依靠注意力机制自主筛选优质频带，提取的轴频、叶频特征信噪比优于传统 DEMON 多组手动带通滤波结果。
图 3 RASTE 与 DEMON 的节拍提取结果对比：
(a) RASTE 提取得到的轴频；(b) RASTE 提取得到的桨叶叶频；(c)‑(f) 使用不同带通滤波频段提取的 DEMON 处理结果。该模型提取的结果可以将轴频与桨叶叶频分离开，并且具备更高的信噪比（SNR）。
研究同时指出该方法存在局限：当浅海多途效应造成螺旋桨节律特征被抹除、节拍信息微弱时，RASTE 增益有限，但性能仍优于传统 DEMON 方法。该方法为水下被动声呐识别提供兼具物理机理与抗干扰能力的技术路径，后续计划融合更多物理特征，或将作为物理专家模块集成到大的集成识别框架中。
Zhengkun Liu, Jiawei Ren, Ji Xu, Fusheng Sui, Yonghong Yan; Rhythm-aware adaptive spectro-temporal enhancement for underwater acoustic target recognition. J. Acoust. Soc. Am. 1 August 2026; 160 (2): 1182–1198.
论文链接：
https://doi.org/10.1121/10.0044109
图片来自研究团队
来源：中国科学院声学研究所图书馆