[发明专利]一种基于神经网络的环境参数确定方法

权利要求书

1.一种基于神经网络的环境参数确定方法，其特征在于：它包括以下步骤：

S1、采集各时段的水下目标辐射噪声及对应的环境参数，所述环境参数包括温度、深度和声速，将每个时段的水下目标辐射噪声均分为低频信号和高频信号；

S2、对采集的各时段的水下目标辐射噪声分别进行预处理，得到预处理后的各时段的水下目标辐射噪声及对应的环境参数；

S3、建立网络模型，将S2中预处理后的各时段的水下目标辐射噪声及对应的环境参数输入网络模型中进行训练，直到loss损失不变，得到训练好的网络模型；

S4、采集待确定环境参数的水下目标辐射噪声，经过S2的预处理后，输入S3中得到的训练好的网络模型内，得到环境参数。

2.根据权利要求1中所述的一种基于神经网络的环境参数确定方法，其特征在于：所述S2中对采集的各时段的水下目标辐射噪声分别进行预处理，具体过程为：

S21、对S1中得到的低频信号利用MFCC特征提取方法提取低频信号的声音特征向量，得到低频信号的声音特征向量矩阵；

对S1中得到的高频信号利用LPCC特征提取方法提取高频信号的声音特征向量，得到高频信号的声音特征向量矩阵；

S22、对S21中获得的低频信号的声音特征向量矩阵和高频信号的声音特征向量矩阵分别利用映射插值算法进行映射，得到映射后的低频信号的声音特征向量矩阵和映射后的高频信号的声音特征向量矩阵，令映射后的低频信号的声音特征向量矩阵和映射后的高频信号的声音特征向量矩阵相等。

3.根据权利要求2中所述的一种基于神经网络的环境参数确定方法，其特征在于：所述S22中对S21中获得的低频信号的声音特征向量矩阵和高频信号的声音特征向量矩阵分别利用映射插值算法进行映射，得到映射后的低频信号的声音特征向量矩阵和映射后的高频信号的声音特征向量矩阵，令映射后的低频信号的声音特征向量矩阵和映射后的高频信号的声音特征向量矩阵相等，具体过程为：

S221、将S2中获得的低频信号的声音特征向量矩阵和高频信号的声音特征向量矩阵统称为原矩阵A，映射后的低频信号的声音特征向量矩阵和映射后的高频信号的声音特征向量矩阵统称为目标矩阵A′；

S222、计算映射因子：

H_f表示水平映射因子；

V_f表示垂直映射因子；

srcWidth表示原矩阵A的长；

srcHeight表示原矩阵A的宽；

dstWidth表示目标矩阵A′的长；

dstHeight表示目标矩阵A′的宽；

S223、定义原矩阵A中的元素点坐标是P₀(x₀,y₀)，目标矩阵A′中的元素点坐标P₁(i,j)，并计算原矩阵A中的元素点坐标P₀(x₀,y₀)：

S224、对原矩阵A进行放缩处理，具体过程为：

计算距离原矩阵A的元素点坐标P₀(x₀,y₀)最近的4个点的坐标，分别为P₂(x₁,y₁)、P₃(x₂,y₁)、P₄(x₁,y₂)、P₅(x₂,y₂)；

S225、计算目标矩阵A′中的元素点坐标P₁(i,j)的值：

计算P₂、P₃、P₄、P₅的权值

w₁表示P₂的权值；w₂表示P₃的权值；w₃表示P₄的权值；w₄表示P₅的权值；

P₁(i,j)＝w₁P₂(x₁,y₁)+w₂P₄(x₂,y₁)+w₃P₃(x₁,y₂)+w₄P₅(x₂,y₂) (4)

S226、坐标映射：

A′_ij表示目标矩阵A′中的任意坐标点；

i表示横坐标；

j表示纵坐标；

A′_max表示目标矩阵A′中的最大值；

A′_min表示目标矩阵A′中的最小值；

得到映射后的低频信号的声音特征向量矩阵和映射后的高频信号的声音特征向量矩阵；

S227、令映射后的低频信号的声音特征向量矩阵和映射后的高频信号的声音特征向量矩阵相等。