期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
基于隐马尔可夫模型与神经网络混合的被动声目标分类技术
1
作者 丁庆海 陈显治 张雄伟 《声学与电子工程》 2000年第1期1-4,16,共5页
提出了一种改进型隐马尔可夫模型/神经网络混合分类器,该分类器将隐马尔可夫模型的时间校正能力与神经网络的静态区分能力结合在一起。它首先利用循环无跳转HMM模型时每一测试特征序列进行全状态分割.将T帧特征序列按时间演化顺... 提出了一种改进型隐马尔可夫模型/神经网络混合分类器,该分类器将隐马尔可夫模型的时间校正能力与神经网络的静态区分能力结合在一起。它首先利用循环无跳转HMM模型时每一测试特征序列进行全状态分割.将T帧特征序列按时间演化顺序校正成N帧平均状态序列。然后将其作为RBF网络的输入矢量进行分类。实验结果表明,该分类器比单纯的神经网络或隐马尔可夫模型分类器具有更好的分类效果。 展开更多
关键词 神经网络 隐马尔可夫模型 目标识别 声目标分类
下载PDF
基于不相似度评价的水下声目标分类与听觉特征辨识 被引量:4
2
作者 杨立学 陈克安 +1 位作者 张冰瑞 梁雍 《物理学报》 SCIE EI CAS CSCD 北大核心 2014年第13期236-245,共10页
本文旨在探索人类被试对水下声目标的感知分类及在该过程中所利用的听觉特征.首先设计了成对比较实验.然后利用CLASCAL算法对实验获得的不相似度评分进行建模,获得感知空间,并分析了3个公共维度、特异性和3个被试潜类各自的特性及其在... 本文旨在探索人类被试对水下声目标的感知分类及在该过程中所利用的听觉特征.首先设计了成对比较实验.然后利用CLASCAL算法对实验获得的不相似度评分进行建模,获得感知空间,并分析了3个公共维度、特异性和3个被试潜类各自的特性及其在目标感知分类中所起的作用.最后,基于Gammatone听觉滤波器组对声样本进行分析,发现了能够有效描述3个公共维度以及节拍特性的听觉特征,并利用它们构造决策树对新样本实现了分类,从而为实际中如何应用这些特征提供了指导. 展开更多
关键词 水下声目标分类 不相似度 多维尺度分析 听觉特征
原文传递
水下声目标的梅尔倒谱系数智能分类方法 被引量:12
3
作者 张少康 田德艳 《应用声学》 CSCD 北大核心 2019年第2期267-272,共6页
传统水下声目标识别分类方法具有较强的人机交互特性,无法满足未来水下无人平台智能识别分类水声目标的需求。针对这一问题,提出了一种基于梅尔倒谱系数的水下声目标智能识别分类方法,该方法通过提取水下声目标梅尔倒谱系数特征,采用长... 传统水下声目标识别分类方法具有较强的人机交互特性,无法满足未来水下无人平台智能识别分类水声目标的需求。针对这一问题,提出了一种基于梅尔倒谱系数的水下声目标智能识别分类方法,该方法通过提取水下声目标梅尔倒谱系数特征,采用长短时记忆网络构建了智能识别分类模型。使用实际水声信号对该方法进行了验证,结果表明,基于梅尔倒谱系数的水下声目标智能识别分类方法能够在不依赖人工提取特征的情况下,对目标噪声进行识别分类,具备智能化识别分类能力。 展开更多
关键词 水下目标识别分类 梅尔倒谱系数 长短时记忆网络 智能分类
下载PDF
基于BPSO-KNN算法的被动声呐目标分类识别技术研究 被引量:4
4
作者 朱宗斌 陶剑锋 +1 位作者 葛辉良 郑佳 《声学技术》 CSCD 北大核心 2019年第2期219-223,共5页
以提取得到的被动声呐目标功率谱特征为基础,采用二进制粒子群(Binary Particle Swarm Optimization, BPSO)优化算法和k最近邻(k-Nearest Neighbor, KNN)分类算法相结合的BPSO-KNN算法进行特征选择和参数优化,分别用KNN分类算法和BPSO-... 以提取得到的被动声呐目标功率谱特征为基础,采用二进制粒子群(Binary Particle Swarm Optimization, BPSO)优化算法和k最近邻(k-Nearest Neighbor, KNN)分类算法相结合的BPSO-KNN算法进行特征选择和参数优化,分别用KNN分类算法和BPSO-KNN分类算法对实际得到的四类海上被动声呐目标进行分类识别。结果表明,BPSO-KNN算法可对提取的功率谱特征进行特征优化选择,并对KNN分类器进行参数优化,提高了对四类目标的分类精度。该算法在被动声呐目标分类识别方面有参考价值。 展开更多
关键词 功率谱特征 被动目标分类识别 特征选择 二进制粒子群最近邻算法
下载PDF
基于深度学习的小样本声目标识别方法 被引量:3
5
作者 王鹏程 崔敏 +3 位作者 李剑 王彦博 赵欣 孔庆珊 《计算机测量与控制》 2021年第4期217-221,共5页
声目标分类识别是声源识别领域的核心问题,然而,在应用深层神经网络进行声目标分类识别时,从少量样本中学习(样本复杂度较低)是一个具有挑战性的问题;针对此问题,提出了一种基于深度学习的小样本声目标识别方法,该方法将手工设计特征和... 声目标分类识别是声源识别领域的核心问题,然而,在应用深层神经网络进行声目标分类识别时,从少量样本中学习(样本复杂度较低)是一个具有挑战性的问题;针对此问题,提出了一种基于深度学习的小样本声目标识别方法,该方法将手工设计特征和对数梅尔声谱特征结合到一起,扩充了深度学习模型的可利用特征量,提高了声信号识别效率和精度;在实验验证中,该方法在测试集上实现了87.6%的识别精度;更进一步地,用较少量的训练样本对该方法和其它几种主流的深度学习模型的性能进行了比较验证,结果表明,该方法只需要更少量的数据即可实现同样的识别精度,在声源探测领域具有一定应用价值。 展开更多
关键词 源探测 声目标分类识别 特征工程 深度学习 深度残差网络
下载PDF
Depth Classification of Underwater Targets Based on Complex Acoustic Intensity of Normal Modes 被引量:3
6
作者 YANG Guang YIN Jingwei +1 位作者 YU Yun SHI Zhenhua 《Journal of Ocean University of China》 SCIE CAS 2016年第2期241-246,共6页
In order to solve the problem of depth classification of the underwater target in a very low frequency acoustic field, the active component of cross spectra of particle pressure and horizontal velocity (ACCSPPHV) is... In order to solve the problem of depth classification of the underwater target in a very low frequency acoustic field, the active component of cross spectra of particle pressure and horizontal velocity (ACCSPPHV) is adopted to distinguish the surface vessel and the underwater target. According to the effective depth of a Pekeris waveguide, the placing depth forecasting equations of passive vertical double vector hydrophones are proposed. Numerical examples show that when the sum of depths of two hydro- phones is the effective depth, the sign distribution of ACCSPPHV has nothing to do with horizontal distance; in addition, the sum of the first critical surface and the second critical surface is equal to the effective depth. By setting the first critical surface less than the difference between the effective water depth and the actual water depth, that is, the second critical surface is greater than the actual depth, the three positive and negative regions of the whole ocean volume are equivalent to two positive and negative regions and therefore the depth classification of the underwater target is obtained. Besides, when the 20 m water depth is taken as the first critical surface in the simulation of underwater targets (40 Hz, 50 Hz, and 60 Hz respectively), the effectiveness of the algorithm and the cor- reemess of relevant conclusions are verified, and the analysis of the corresponding forecasting performance is conducted. 展开更多
关键词 the placing depth forecasting equations the effective depth depth classification Pekeris waveguide
下载PDF
Classification of Underwater Target Echoes Based on Auditory Perception Characteristics 被引量:3
7
作者 Xiukun Li 《Journal of Marine Science and Application》 2014年第2期218-224,共7页
In underwater target detection, the bottom reverberation has some of the same properties as the target echo, which has a great impact on the performance. It is essential to study the difference between target echo and... In underwater target detection, the bottom reverberation has some of the same properties as the target echo, which has a great impact on the performance. It is essential to study the difference between target echo and reverberation. In this paper, based on the unique advantage of human listening ability on objects distinction, the Gammatone filter is taken as the auditory model. In addition, time-frequency perception features and auditory spectral features are extracted for active sonar target echo and bottom reverberation separation. The features of the experimental data have good concentration characteristics in the same class and have a large amount of differences between different classes, which shows that this method can effectively distinguish between the target echo and reverberation. 展开更多
关键词 underwater target detection auditory perceptioncharacteristics target echoes bottom reverberation Gammatonefilter
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部