公共文化服务平台

搜索到548篇“ 水声信号识别“的相关文章

一种基于集成学习和样本合成的水声信号识别方法: 本发明属于水声信号处理技术领域，尤其涉及一种基于集成学习和样本合成的水声信号识别方法。包括如下步骤：采集水声信号样本数据，制作初始数据集；采集水声背景样本数据，制作背景噪声数据集；迭代训练弱分类器；构建随机初始化的神经网...; 夏飞窦钰涛赵祥赵飞张洋

基于多分主干外部注意力网络的水声信号识别: 2024年; 水声信号识别近年来备受关注,由于海洋信道具有时变空变性、信号传播的衰落特性和水下目标声源具有复杂多变性,水声信号识别任务面临巨大挑战.传统的水声信号识别方法难以充分获取目标的表征信息且不具备良好的抗噪声能力,识别效果有待提升.针对上述问题,本文提出一种基于多分支外部注意力网络(multi-branch external attention network,MEANet)的水声信号识别方法,可以在复杂海洋环境下充分获取水声信号的特征并进行识别.MEANet由多分支主干网络,通道、空间注意力模块和外部注意力模块组成.首先,输入数据通过多个并行的主干网络分支,提取水声信号不同层级的特征信息;其次,辅以通道、空间注意力模块对水声信号的通道和空间维度分别进行加权,调节不同通道和空间位置对特征表示的重要性;最后,整合外部注意力模块,以外部记忆单元和附加计算来引导网络的特征提取和预测,从而显著提高模型的识别率和鲁棒性.实验结果表明,本文提出的MEANet在ShipsEar数据集上的水声信号识别率达到98.84%,显著优于其他对比算法,证实了其有效性.; 王越李佐勇颜佳泉胡蓉; 关键词：水声信号识别音频分类时频分析

一种基于域适应的水声信号识别方法: 本发明属于水声信号识别技术领域，公开了一种基于域适应的水声信号识别方法，本发明的水声信号识别方法，为解决现有方法在水下场景中无法提取有效的特征表示以及无法确保识别方法的鲁棒性而导致识别精度低的问题。通过以下方法实现水声信...; 吴志泽汪新琪程凡洪芳华邹乐杨静年福东孙斐王晓峰檀明宣萍丁振华丁宏汤正道葛业飞孙路

改进通道注意力机制的时域水声信号识别网络: 2023年; 为了提高时域水声信号识别网络的性能,本文在改进通道注意力机制的基础上提出了一种识别时域信号的卷积神经网络。该网络分别在原始时域信号和时域重构序列中提取特征,并在训练过程中随机丢弃输入中的数据点以防止网络训练的过拟合。同时,本文使用由多个卷积层或残差模块构造的多尺度卷积模块提取不同频率成分下的信号特征。针对时域信号特点,本文在通道注意力机制中分别引入样本特征通道能量信息,样本特征通道幅值信息以及样本特征通道与样本整体间的相关性求解特征通道权值,增强特征中的有效成分。最后,在损失函数中添加分类器权值范数的正则项,突出网络提取的有效特征。在ShipsEar和DeepShip数据库下的实验结果表明,当训练数据和测试数据具有相似分布时,本文改进的卷积神经网络可对时域目标信号进行有效识别。; 杨基睿鄢社锋曾迪杨斌斌; 关键词：水声目标识别卷积神经网络

基于多分主干外部注意力网络的水声信号识别方法: 本发明涉及一种基于多分主干外部注意力网络的水声信号识别方法。首先将输入数据通过多个并行的主干网络分支，提取水声信号不同层级的特征信息；其次，辅以通道、空间注意力模块对水声信号的通道和空间维度分别进行加权，调节不同通道和空...; 颜佳泉王越李佐勇

一种基于MFCC特征的被动水声信号识别方法及系统: 本发明一种基于MFCC特征的被动水声信号识别方法及系统，包括：获得MFCC谱图及其一阶差分和二阶差分，构建三维特征向量；构建识别神经网络，识别神经网络包括：多尺度卷积模块、特征融合模块和分类模块；通过多尺度卷积模块对三维...; 余永升郭焕

一种水声信号识别方法: 本发明公开了一种水声信号识别方法，包括获取待识别水声信号，并转化为时频图；将所述时频图输入至预先训练的轻量化学生网络，所述轻量化学生网络由预先训练的教师网络经知识蒸馏技术进行模型压缩拟合训练得到；所述教师网络由样本数据集...; 李理吴赫生雪莉李向欣殷敬伟

一种基于多尺度信息融合的增量式水声信号识别方法: 本发明提供了一种基于多尺度信息融合的增量式水声信号识别方法，包括：步骤1，初始化算法记忆存储空间；步骤2，输入水声信号；步骤3，更新增量学习数据集；步骤4，对增量数据集进行数据增强；步骤5，更新全局特征提取器和多尺度信息...; 周青王言葛轶洲徐百乐张歆申富饶

基于深度卷积网络和卷积去噪自编码器的水声信号识别方法被引量：1: 2023年; 针对复杂水声信号的分类识别问题,提出了一种新的网络模型结构,将卷积神经网络和卷积去噪自编码器结合到一起应用于水声信号Lofar谱的分类识别中。实验结果表明,该模型能够利用更少的参数学习更丰富的鲁棒性特征,目标识别的总体准确率达到81.2%,与传统卷积神经网络识别方法相比具有更高的识别准确率。; 曹琳彭圆牟林孙悦徐剑秋; 关键词：卷积神经网络

水声信号的识别方法与水声信号识别模型的训练方法: 本发明公开了一种水声信号的识别方法与水声信号识别模型的训练方法。该水声信号的识别方法，包括：获取水声信号；利用小波散射变换模型，提取所述水声信号的小波散射特征；基于已训练神经网络模型识别所述小波散射特征，得到所述水声信号...; 汪涛赵德鑫沈同圣王洋

相关作者