[发明专利]一种基于深度卷积网络的舰船噪声识别分类方法

摘要

本发明公开了一种基于深度卷积网络的舰船噪声识别分类方法，属于水下舰船噪声识别的领域。本发明主要是针对BP神经网络处理的文件数量少，提取特征不明显以及易陷入局部最优解的问题提出的解决方案。该发明首先根据MFCC将原始声音中的噪声去掉，提取出相应有效的特征，这个过程主要是去除干扰性大的噪声。将经过MFCC处理的声音文件转换成深度卷积网络可以接收的格式。通过深度卷积神经网络多层次的提取有效的特征，这样提取的特征的有效性更强，更具有普适性。针对现实中的大量声音数据进行识别分类，减少了人为的干预度，可以更好的区分出不同的舰船噪声，从而达到识别的目的。

主权项

一种基于深度卷积网络的舰船噪声识别分类方法，其特征在于，包含以下步骤：步骤一 提取原始的舰船噪声；并对噪声进行分割，将噪声切割成100ms一个；送入MFCC的模型中处理；步骤二 将MFCC处理产生的舰船噪声矩阵保存在指定的文件中；步骤三 通过MFCC处理之后，获得值是在[‑1,1]之间的矩阵；将每个值乘上100000，对于负值，取绝对值之后，在乘上100000，转化成特征相对明显的灰度图；步骤四 将灰度图进行打标签处理，然后，用灰度图总数的70％作为训练集，用其余的30％作为测试集；步骤五 将分类的灰度图转换为LDMB格式；步骤六 将LDMB格式到的灰度图送入到深度网络中，通过LeNet网络训练测试，分析结果。