特征降维与融合的水声目标识别方法OA北大核心
为解决水声目标在强噪声环境下识别困难以及特征高维问题,本文提出一种将水声信号进行离散小波变换并提取其低频系数与重组一维梅尔倒谱系数融合的方法,以减少特征维度并弥补信息损失。利用1D-CNN-LSTM神经网络在DeepShip和ShipsEar 2个数据集上进行实验,识别准确率均在99%以上。结果表明:该算法能够有效抑制噪声,具备较强的鲁棒性。将所提算法应用到单船识别,实验结果表明该算法能够有效区分同类型的不同船舶。
李昊鑫;肖长诗;元海文;郭玉滨;刘加轩
武汉理工大学航运学院,湖北武汉430063武汉理工大学航运学院,湖北武汉430063 山东交通学院威海海洋信息科学与技术研究院,山东威海264299武汉工程大学电气信息学院,湖北武汉430205武汉理工大学航运学院,湖北武汉430063武汉理工大学航运学院,湖北武汉430063
交通运输
水声目标识别离散小波变换梅尔倒谱系数特征融合联合神经网络单船识别深度学习船舶辐射噪声
《哈尔滨工程大学学报》 2025 (1)
P.102-110,9
国家自然科学基金项目(52001235)湖北省自然科学基金项目(2022CBF313)山东省自然科学基金项目(ZR2020KE029).
评论