论文摘要
未来基于水下无人平台的水声目标探测体系要求平台自身具备目标智能化识别能力,而传统水下目标噪声识别方法需要人工提取泛化能力强的特征数据,且识别过程具有较强的人机交互特性,无法满足这一要求。针对这一问题,本文研究一种基于长短时记忆网络(LSTM)的水下目标噪声智能识别方法,借助深度学习自主学习数据特征的能力,应用长短时记忆网络(LSTM)分别对水下目标噪声的时域时间序列数据、频谱数据、梅尔倒谱(MFCC)数据进行深层次特征提取与识别,并使用实际水声目标噪声信号对该方法进行了验证。结果表明,在上述3种输入数据情况下,采用LSTM长短时记忆模型均能有效实现水下目标噪声特征提取与智能识别。
论文目录
文章来源
类型: 期刊论文
作者: 张少康,王超,田德艳,张小川
关键词: 深度学习,长短时记忆网络,水下目标辐射噪声,特征提取,智能识别
来源: 舰船科学技术 2019年23期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 船舶工业,自动化技术
单位: 海军潜艇学院,海洋科学与技术国家实验室
分类号: U674.941;TP18
页码: 181-185
总页数: 5
文件大小: 2037K
下载量: 149
相关论文文献
标签：深度学习论文; 长短时记忆网络论文; 水下目标辐射噪声论文; 特征提取论文; 智能识别论文;