[发明专利]一种基于深度学习的水下声信号目标分类识别方法有效
| 申请号： | 201910036689.6 | 申请日： | 2019-01-15 |
| 公开（公告）号： | CN109800700B | 公开（公告）日： | 2022-08-02 |
| 发明（设计）人： | 王兴梅;刘安华;孟稼祥 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/02 |
| 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： | 本发明属于水下声信号处理技术领域，具体涉及一种基于深度学习的水下声信号目标分类识别方法。本发明包括以下步骤：(1)原始水下声信号通过Gammatone滤波倒谱系数GFCC算法进行特征提取；(2)提出利用改进经验模态分解MEMD算法提取瞬时能量以及瞬时频率，并与GFCC算法提取的特征值进行融合，构建特征矩阵；(3)建立高斯混合模型GMM，保留水下声信号目标的个性特征；(4)利用深度神经网络DNN完成水下目标分类识别。本发明可以解决传统水下声信号目标分类识别方法特征提取单一，抗噪能力差的问题，并且能有效的提高水下声信号目标分类识别的准确率，在目标声信号较弱、距离较远等情况下仍然具有一定的适应性。 | ||
| 搜索关键词： | 一种 基于 深度 学习 水下 信号 目标 分类 识别 方法 | ||
【主权项】：
1.一种基于深度学习的水下声信号目标分类识别方法，其特征在于，包括以下步骤：(1)利用GFCC算法对原始水下声信号进行特征提取，去除水下声信号中大量冗余的噪声信息，并且保留有效的声纹特征；(2)提出构建特征矩阵：①采用MEMD算法对原始水下声信号在希尔伯特空间上进行特征提取，提取瞬时能量以及瞬时频率；②以信号帧为量级，对GFCC算法提取的特征值和MEMD算法提取的特征值进行融合，构建特征矩阵；(3)对特征向量的分布建立GMM模型，将不同的数据点进行高斯分布混合，计算GMM模型中的均值向量，协方差矩阵和混合权重，保留水下声信号目标的个性特征；(4)提出通过DNN完成分类决策的任务，最终实现精确的目标分类识别。
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/201910036689.6/，转载请声明来源钻瓜专利网。
- 上一篇：图像识别方法、系统及装置
- 下一篇：一种基于人脸识别的智能化安防认证系统
