基于卷积神经网络的声信标信号识别方法

声信标信号的有效检测识别方法在找寻失事黑匣子的过程中起到关键作用。本文基于卷积神经网络(CNN)的检测识别方法,把已知声信标信号作为卷积神经网络的训练样本,提取梅尔频率倒谱系数(MFCC)特征后输入卷积神经网络进行训练,得到相应的训练标签。把待测的声信标信号输入经过训练的卷积神经网络进行测试,得到相应的识别结果。试验结果表明,基于卷积神经网络的方法可用于声信标信号的检测识别,并且有较好的识别率。

一种提升航空声信标脉冲信号检测能力的方法

针对航空声信标脉冲信号为一种周期性脉冲信号的特点,将水听器阵列处理联合多周期脉冲信号累积处理,可实现时间、空间和频域多方面匹配聚焦,尽可能大的提升处理增益,以有效实现对航空声信标弱信号的检测。文章研究了对航空声信标脉冲信号的阵处理方法,以及多周期相干累积带来的处理增益,针对周期的不稳定性提出了解决思路,并进行了仿真分析与湖上试验验证。结果表明,该方法可以提高处理增益、提升对航空声信标脉冲信号的检测能力,具有一定的工程实践应用价值。