[发明专利]一种基于神经网络的环境参数确定方法

说明书

一种基于神经网络的环境参数确定方法，具体涉及一种基于神经网络的水下环境各参数的确定方法，本发明为了解决现有采取LPCC特征提取方法或MFCC特征提取方法获取水下环境参数的准确率低的问题，它包括S1、采集各时段的水下目标辐射噪声及对应的环境参数，将水下目标辐射噪声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进行预处理；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。属于环境参数确定领域。

技术领域

本发明涉及一种参数确定方法，具体涉及一种基于神经网络的水下环境各参数的确定方法，属于环境参数领域。

背景技术

LPCC特征提取方法(简称LPCC)或MFCC特征提取方法(简称MFCC)与卷积神经网络配合使用均可以进行水下目标辐射噪声的特征提取，在确定水下环境参数时虽然LPCC特征提取方法具有计算量小、易于实现的优点，但其缺点是抗噪声性能差，而MFCC特征提取方法则能够较好的反映出人耳的听觉特性，在抗噪性方面要优于LPCC特征提取方法，但其计算量和计算精度的要求要高于LPCC特征提取方法，计算的步骤较复杂，另外，MFCC在处理高频声音的时候，其精度没有处理低频声音时精准；综上导致现有采取LPCC特征提取方法或MFCC特征提取方法获取水下环境参数的准确率低。

发明内容

本发明为了解决现有采取LPCC特征提取方法或MFCC特征提取方法获取水下环境参数的准确率低的问题，进而提出了一种基于神经网络的环境参数确定方法。

本发明采取的技术方案是：

一种基于神经网络的环境参数确定方法，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。

优选的，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。

优选的，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′；