一种基于改进型DBN的水声目标辨识方法及系统

    公开(公告)号:CN113095381B

    公开(公告)日:2024-04-05

    申请号:CN202110333877.2

    申请日:2021-03-29

    Abstract: 本发明提供一种基于改进型DBN的水声目标辨识方法及系统:方法包括获取水声目标实际辐射噪声信号,并经过快速傅里叶变换后得到频谱数据;基于频谱数据通过保存好参数后的改进型DBN网络模型的三层堆叠RBM及全连接层计算得到各类别特征值,将特征值经softmax分类器转换为每类概率;根据类别对应标签值,输出概率值最大的类别标签,并输出类别名称。水声目标辨识方法引入隐含层输出和标签信息的交叉熵,改进DBN网络训练的目标函数,解决无监督预训练过程中的分类信息模糊问题,削弱海洋环境噪声的影响,在辨识速度足够的条件下提高辨识准确率。

    一种水声目标辐射噪声调制特征提取方法

    公开(公告)号:CN110855374A

    公开(公告)日:2020-02-28

    申请号:CN201911052138.5

    申请日:2019-10-31

    Abstract: 本发明公开了一种水声目标辐射噪声调制特征提取方法,首先采用基于参数优化的VMD算法,解决了人为设定VMD算法参数的盲目性以及随机性问题,实现参数的自适应设定;其次选择使用具有最小包络熵值的IMF作为最佳分量进行包络解调,能更高效地提取出调制线谱特征;最后对包络解调后得到的包络信号进行1(1/2)维谱分析,抑制其中的高斯噪声以及清除信号中所含有的非相位耦合的谐波项,从而加强调制线谱的基频以及倍频成分,解决了强噪声干扰下水声目标辐射噪声信号调制特征提取困难的问题。本发明更为稳定可靠,相比于传统DEMON谱分析提取方法调制特征提取能力更强,因此该方法在舰船等水声目标辐射噪声调制特征提取中具有良好的应用前景。

    一种基于领域适配的水声目标辐射噪声识别方法

    公开(公告)号:CN111709315A

    公开(公告)日:2020-09-25

    申请号:CN202010463032.0

    申请日:2020-05-27

    Abstract: 本发明公开了一种基于领域适配的水声目标辐射噪声识别方法,构建源域和目标域共享的卷积神经网络,使用源域标签样本对卷积神经网络进行预训练,利用源域标签样本和目标域样本分别计算源域分类损失和目标域伪标签分类损失,在卷积神经网络中多层计算源域标签样本和目标域样本跨域的多核最大均值差异距离,根据源域分类损失、目标域伪标签分类损失和多核最大均值差异距离得到网络总损失,通过伪标签学习将网络预测的目标域样本标签赋予该无标签样本,使得无标签的目标域水声目标数据具备监督训练模型的能力,实现源域与目标域水声目标数据的类别特征向同一标记空间映射,有效地解决了在目标域水声目标样本无标签且数据量稀少时对其精准识别的问题。

    一种水声目标辐射噪声调制特征提取方法

    公开(公告)号:CN110855374B

    公开(公告)日:2021-07-13

    申请号:CN201911052138.5

    申请日:2019-10-31

    Abstract: 本发明公开了一种水声目标辐射噪声调制特征提取方法,首先采用基于参数优化的VMD算法,解决了人为设定VMD算法参数的盲目性以及随机性问题,实现参数的自适应设定;其次选择使用具有最小包络熵值的IMF作为最佳分量进行包络解调,能更高效地提取出调制线谱特征;最后对包络解调后得到的包络信号进行1(1/2)维谱分析,抑制其中的高斯噪声以及清除信号中所含有的非相位耦合的谐波项,从而加强调制线谱的基频以及倍频成分,解决了强噪声干扰下水声目标辐射噪声信号调制特征提取困难的问题。本发明更为稳定可靠,相比于传统DEMON谱分析提取方法调制特征提取能力更强,因此该方法在舰船等水声目标辐射噪声调制特征提取中具有良好的应用前景。

    一种基于改进型DBN的水声目标辨识方法及系统

    公开(公告)号:CN113095381A

    公开(公告)日:2021-07-09

    申请号:CN202110333877.2

    申请日:2021-03-29

    Abstract: 本发明提供一种基于改进型DBN的水声目标辨识方法及系统:方法包括获取水声目标实际辐射噪声信号,并经过快速傅里叶变换后得到频谱数据;基于频谱数据通过保存好参数后的改进型DBN网络模型的三层堆叠RBM及全连接层计算得到各类别特征值,将特征值经softmax分类器转换为每类概率;根据类别对应标签值,输出概率值最大的类别标签,并输出类别名称。水声目标辨识方法引入隐含层输出和标签信息的交叉熵,改进DBN网络训练的目标函数,解决无监督预训练过程中的分类信息模糊问题,削弱海洋环境噪声的影响,在辨识速度足够的条件下提高辨识准确率。

Patent Agency Ranking