公开(公告)号：CN106682574A

公开(公告)日：2017-05-17

申请号：CN201611019290.X

申请日：2016-11-18

Applicant: 哈尔滨工程大学

Inventor： 王科俊 ,  卢安安 ,  邢向磊

IPC: G06K9/00 ,  G06N3/04 ,  G06N99/00

CPC classification number: G06K9/00496 ,  G06N3/0454 ,  G06N99/005

Abstract: 本发明提供的是一种一维深度卷积网络的水下多目标识别方法。采用6dB/倍频的一阶数字滤波器增强高频部分使信号频谱平坦；选用窗函数对信号进行截取，获得时长为170ms的信号作为卷积神经网络的最佳输入帧长；采用一维深度卷积网络对声音信号进行特征提取；使用训练样本集对卷积网络进行学习得到能获取最佳特征的网络结构参数；选择极限学习机对卷积网络的输出特征进行分类识别。本发明利用深度学习中的深度卷积网络对声音信号进行特征提取，替代传统的人工提取特征，自动提取的声音特征包含有更为丰富的识别信息。利用极限学习机对卷积网络自动提取的特征进行分类识别，能有效找出不同于传统人工分析的特征，提高了水下声音信号的识别率。