[发明专利]一维深度卷积网络的水下多目标识别方法在审
| 申请号： | 201611019290.X | 申请日： | 2016-11-18 |
| 公开（公告）号： | CN106682574A | 公开（公告）日： | 2017-05-17 |
| 发明（设计）人： | 王科俊;卢安安;邢向磊 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N99/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供的是一种一维深度卷积网络的水下多目标识别方法。采用6dB/倍频的一阶数字滤波器增强高频部分使信号频谱平坦；选用窗函数对信号进行截取，获得时长为170ms的信号作为卷积神经网络的最佳输入帧长；采用一维深度卷积网络对声音信号进行特征提取；使用训练样本集对卷积网络进行学习得到能获取最佳特征的网络结构参数；选择极限学习机对卷积网络的输出特征进行分类识别。本发明利用深度学习中的深度卷积网络对声音信号进行特征提取，替代传统的人工提取特征，自动提取的声音特征包含有更为丰富的识别信息。利用极限学习机对卷积网络自动提取的特征进行分类识别，能有效找出不同于传统人工分析的特征，提高了水下声音信号的识别率。 | ||
| 搜索关键词： | 深度 卷积 网络 水下 多目标 识别 方法 | ||
【主权项】：
一种一维深度卷积网络的水下多目标识别方法，其特征是：对水声信号的预加重、交叠分帧声音信号长度选择、输入卷积网络提取特征、调整选择网络参数、极限学习机进行分类识别，所述预加重是采用6dB/倍频的一阶数字滤波器增强高频部分使信号频谱平坦；所述交叠分帧声音信号长度选择是选用窗函数对信号进行截取，获得时长为170ms的信号作为卷积神经网络的最佳输入帧长；所述输入卷积网络提取特征是采用一维深度卷积网络对声音信号进行特征提取；所述调整选择网络参数是使用训练样本集对卷积网络进行学习得到能获取最佳特征的网络结构参数；所述极限学习机进行分类识别为选择极限学习机对卷积网络的输出特征进行分类识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学，未经哈尔滨工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611019290.X/，转载请声明来源钻瓜专利网。
