CN115909040B 一种基于自适应多特征融合模型的水声目标识别方法 （西安邮电大学）_第1页
CN115909040B 一种基于自适应多特征融合模型的水声目标识别方法 （西安邮电大学）_第2页
CN115909040B 一种基于自适应多特征融合模型的水声目标识别方法 （西安邮电大学）_第3页
CN115909040B 一种基于自适应多特征融合模型的水声目标识别方法 （西安邮电大学）_第4页
CN115909040B 一种基于自适应多特征融合模型的水声目标识别方法 （西安邮电大学）_第5页
已阅读5页，还剩11页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于自适应多特征融合模型的水声目及一种基于自适应多特征融合模型的水声目标2作将每个通道的全局空间信息进Excitation为每个特征通道归一化生成权重；Scale将前面得到的归一化权重通过与每个通道的特征为水声信号的深度时序特征集；基于水声信号的MFCC特征训练1D_CNN网络并提取Fully_维时频谱图训练2D_CNN网络并提取Globalmaxpool1层的输出作为水声信号的深度频域2.根据权利要求1所述的一种基于自适应多特征融合模型的水声目标识别方法，其特3.根据权利要求2所述的一种基于自适应多特征融合模型的水声目标识别方法，其特connectedlayer1的输出作为水声信号的深度空间特征4.根据权利要求3所述的一种基于自适应多特征融合模型的水声目标识别方法，其特dropout层以及一个全连接层,其中,输入层输入大小设置为224x224x3；3层卷积层对图层防止模型过拟合，连接一层全连接层输出预测样本属于不同水声目标的概率,最后通过提取Globalmaxpool1层的输出作为水声信号的深度频域特征3征作为输入对水声目标进行识别。第二种是基于频域的二维频谱图提取水声信号的特征。决现有技术存在的水声目标识别方法大多是基于单一的时域或者频域信号提取水声特征，4化操作将每个通道的全局空间信息进Excitation为每个特征通道归一化生成权重；Scale将前面得到的归一化权重通过与每个通道的特征相dropout层的输出作为水声信号的深度时序特征集；基于水声信号的MFCC特征训练1D_CNN语音信号生成的二维时频谱图训练2D_CNN网络并提取Globalmaxpool1层的输出作为水域角度出发，针对水声信号的MFCC特征数据同时具有时序连续特性和空间连续性的特性，5[0024]本发明提供了一种基于自适应多特征融合模型的水声目标识别方法，参见图1可[0028]基于水声信号的MFCC特征数据训练LSTM网络并进提取dropout层的输出作为水声[0029]基于水声信号的MFCC特征训练1D_CNN网络并提取Fully_connectedlayer1的输[0030]基于由原始语音信号生成的二维时频谱图训练2D_CNN网络并提取Globalmax采集地点为西班牙海岸地区，录音是用MarSensingLda公司(葡萄牙法罗)制造的自主声学6因此本发明同时采用1DCNN处理水声信号的MFCC特征，利用1D_CNN的空间特性进一步提取层以及1层全局最大池化层用于特征信息压缩，2层dropout层通过随机选择一些神经元并将其临时丢弃来防止模型过拟合，连接2层全连接层输出预测样本属于不同水声目标的概征。设计的2D_CNN网络总共为10层，包含一个输入层、三个卷积层、三个池化层、两个过提取Globalmaxpool1层的输出作为水声信号的深度频域7δ(w1z))1z)的结果和w2相乘进行第二个全连水声目标识别。8[

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论