[发明专利]一种水声信号种类识别方法、系统及设备

权利要求书

1.一种水声信号种类识别方法，基于深度密集连接神经网络，其特征在于，所述方法包括：

将水下通信传输的多种调至信号进行数据预处理，获得输入信号种类原始数据集；

确定对所述输入信号种类原始数据集进行处理的深度密集连接神经网络；

通过所述深度密集连接神经网络识别输出水声信号的种类。

2.根据权利要求1所述的水声信号种类识别方法，其特征在于，所述确定对所述输入信号种类原始数据集进行处理的深度密集连接神经网络，包括：

确定所述深度密集连接神经网络的层数和每层的顺序；

确定每层神经网路中包含的网络结构。

3.根据权利要求2所述的水声信号种类识别方法，其特征在于，所述深度密集连接神经网络从网络输入端到网络输出端包括：输入层、预处理层、中间密集连接层和输出层。

4.根据权利要求3所述的水声信号种类识别方法，其特征在于，所述输入层通过预设的数据调整，将所述输入信号种类原始数据集转换为输入网络进行进一步学习的输入数据集。

5.根据权利要求3所述的水声信号种类识别方法，其特征在于，所述预处理层包括第一Conv层和第一BN层，所述第一Conv层用于提取输入数据集的数据特征，所述第一BN层用于在每次正向传播期间标准化数据集分布。

6.根据权利要求3所述的水声信号种类识别方法，其特征在于，所述中间密集连接层包括第二BN层、ReLU层和第二Conv层，所述ReLU层为非线性激活函数层，ReLU函数形式为：

ReLU层被非线性激活后，越接近x，则与特征越相关；越接近0，则相关性越小；在特征提取中，不相关的数据被直接丢弃以减少数据量。

7.根据权利要求3所述的水声信号种类识别方法，其特征在于，所述输出层为softmax激活功能层：

其中i代表各种类别之一，Q代表所有类别的总数。

8.根据权利要求1所述的水声信号种类识别方法，其特征在于，所述深度密集连接神经网络在训练过程中，网络中的每一层仅提取部分数据特征，随机丢弃部分网络层不会影响网络的收敛。

9.一种水声信号种类识别系统，基于深度密集连接神经网络，其特征在于，所述系统包括：

预处理模块，用于将水下通信传输的多种调至信号进行数据预处理，获得输入信号种类原始数据集；

训练模块，用于确定对所述输入信号种类原始数据集进行处理的深度密集连接神经网络；

识别输出模块，用于通过所述深度密集连接神经网络识别输出水声信号的种类。

10.一种设备，其特征在于，包括：

处理器；

存储器，用于存储计算机可执行指令；

当所述处理器执行所述计算机可执行指令时，所述处理器执行权利要求1-8任一项所述的水声信号种类识别方法，对水声信号进行种类识别。