-
公开(公告)号：CN109800700B
公开(公告)日：2022-08-02
申请号：CN201910036689.6
申请日：2019-01-15
Applicant: 哈尔滨工程大学
Abstract: 本发明属于水下声信号处理技术领域，具体涉及一种基于深度学习的水下声信号目标分类识别方法。本发明包括以下步骤：(1)原始水下声信号通过Gammatone滤波倒谱系数GFCC算法进行特征提取；(2)提出利用改进经验模态分解MEMD算法提取瞬时能量以及瞬时频率，并与GFCC算法提取的特征值进行融合，构建特征矩阵；(3)建立高斯混合模型GMM，保留水下声信号目标的个性特征；(4)利用深度神经网络DNN完成水下目标分类识别。本发明可以解决传统水下声信号目标分类识别方法特征提取单一，抗噪能力差的问题，并且能有效的提高水下声信号目标分类识别的准确率，在目标声信号较弱、距离较远等情况下仍然具有一定的适应性。
-
公开(公告)号：CN109447997A
公开(公告)日：2019-03-08
申请号：CN201811086885.6
申请日：2018-09-18
Applicant: 哈尔滨工程大学
Abstract: 一种自适应文化算法的水下声纳图像目标分割方法涉及图像处理技术领域，具体涉及一种自适应文化算法的水下声纳图像目标分割方法。一种自适应文化算法的水下声纳图像目标分割方法。包括如下步骤：(1)基于黄金分割率的自适应过滤度参数选择的非局部空间信息平滑去噪处理；(2)在文化算法的种群空间中，将一种基于新搜索机制的量子衍生混合蛙跳算法作为种群空间的更新策略；(3)在文化算法的信念空间中，将自适应收缩扩张系数的量子粒子群算法作为信念空间的更新策略；(4)调整交流机制，使得算法对种群空间和信念空间的进化信息利用程度增加。本发明具有更好的寻优能力和提高搜索效率，能更好的提高分割精度，有一定的有效性和适应性。
-
-
公开(公告)号：CN109800700A
公开(公告)日：2019-05-24
申请号：CN201910036689.6
申请日：2019-01-15
Applicant: 哈尔滨工程大学
Abstract: 本发明属于水下声信号处理技术领域，具体涉及一种基于深度学习的水下声信号目标分类识别方法。本发明包括以下步骤：(1)原始水下声信号通过Gammatone滤波倒谱系数GFCC算法进行特征提取；(2)提出利用改进经验模态分解MEMD算法提取瞬时能量以及瞬时频率，并与GFCC算法提取的特征值进行融合，构建特征矩阵；(3)建立高斯混合模型GMM，保留水下声信号目标的个性特征；(4)利用深度神经网络DNN完成水下目标分类识别。本发明可以解决传统水下声信号目标分类识别方法特征提取单一，抗噪能力差的问题，并且能有效的提高水下声信号目标分类识别的准确率，在目标声信号较弱、距离较远等情况下仍然具有一定的适应性。
-
公开(公告)号：CN109637545A
公开(公告)日：2019-04-16
申请号：CN201910045664.2
申请日：2019-01-17
Applicant: 哈尔滨工程大学
Abstract: 基于一维卷积非对称双向长短时记忆网络的声纹识别方法，属于声纹识别技术领域。本发明首先对原始语音信号进行预处理；构建非对称双向长短时记忆网络ABLSTM模型，以7：3的比例分配正向传播的LSTM和反向传播的LSTM的隐藏层神经元个数和输出层权重，使识别结果更大程度取决于正向传播的LSTM，提高声纹识别的精度；采用1DCNN进行声纹特征提取，利用最大池化操作减少特征参数，保留特征语音的声纹特征，并采用Leaky ReLU激活函数处理特征提取结果；采用提取同一时刻的声纹特征作为提出的非对称双向长短时记忆网络模型一个时间步的输入，利用归一化指数函数实现较精确的声纹识别。本发明方法训练速度较快，能更好的提高声纹识别的正确率，有一定的有效性。
-
Patent Agency Ranking
公开(公告)号：CN108427958B
公开(公告)日：2021-06-01
申请号：CN201810104948.X
申请日：2018-02-02
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于深度学习的自适应权值卷积神经网络水下声纳图像分类方法。(1)根据数据集中水下声纳图像的特点，生成深度信念网络DBN二维参数矩阵；(2)自适应调整卷积神经网络CNN滤波器权值矩阵的分布；(3)实现基于深度学习的自适应权值卷积神经网络水下声纳图像分类。本发明提出的基于深度学习的自适应权值卷积神经网络水下声纳图像分类方法，可以解决CNN中滤波器权值初始化的随机问题，避免陷入局部最优，能更好的提高分类正确率，有一定的有效性。
-
公开(公告)号：CN110490816B
公开(公告)日：2022-11-15
申请号：CN201910633686.0
申请日：2019-07-15
Applicant: 哈尔滨工程大学
IPC: G06T5/00 , G10L21/0208
Abstract: 本发明提供一种水下异构信息数据降噪方法，通过模拟水下异构信息数据集；对异构信息数据进行预处理，对异构信息数据进行im2col方法采样，将采样结果进行归一化处理；提取模拟水下异构信息数据中的过完备稀疏特征和水下异构信息数据深层特征，构建SCSDA模型；完成SCSDA模型的水下异构信息数据降噪处理，将水下异构信息数据作为测试集，利用SCSDA模型对其进行降噪处理得到降噪结果向量；对降噪结果向量进行反归一化处理及col2im方法处理，得到降噪处理后的水下异构信息数据。本发明提出的基于堆叠式卷积稀疏降噪自编码器的水下异构信息数据降噪方法，处理速度较快，具有良好的盲去噪能力，并能较好地保留水下异构信息数据边缘特征，具有一定的鲁棒性和有效性。
-
公开(公告)号：CN110490816A
公开(公告)日：2019-11-22
申请号：CN201910633686.0
申请日：2019-07-15
Applicant: 哈尔滨工程大学
IPC: G06T5/00 , G10L21/0208
Abstract: 本发明提供一种水下异构信息数据降噪方法，通过模拟水下异构信息数据集；对异构信息数据进行预处理，对异构信息数据进行im2col方法采样，将采样结果进行归一化处理；提取模拟水下异构信息数据中的过完备稀疏特征和水下异构信息数据深层特征，构建SCSDA模型；完成SCSDA模型的水下异构信息数据降噪处理，将水下异构信息数据作为测试集，利用SCSDA模型对其进行降噪处理得到降噪结果向量；对降噪结果向量进行反归一化处理及col2im方法处理，得到降噪处理后的水下异构信息数据。本发明提出的基于堆叠式卷积稀疏降噪自编码器的水下异构信息数据降噪方法，处理速度较快，具有良好的盲去噪能力，并能较好地保留水下异构信息数据边缘特征，具有一定的鲁棒性和有效性。
-
公开(公告)号：CN109146922A
公开(公告)日：2019-01-04
申请号：CN201810757443.3
申请日：2018-07-11
Applicant: 哈尔滨工程大学
CPC classification number: G06T7/246 , G06N3/006 , G06T2207/10016 , G06T2207/20004 , G06T2207/20081
Abstract: 本发明涉及的图像处理技术领域，具体地说是一种基于自适应粒子群优化的前视声纳水下目标跟踪方法，本发明提出由迭代次数与适应度值自适应调整惯性权重，平衡粒子的探索与开发能力，使粒子能快速搜索到全局最优解；选择种群中的随机粒子与当前粒子的个体最优值进行比较，采用两者中个体最优值较大的粒子，更新粒子的速度，解决粒子陷入局部最优的问题。当水下目标被遮挡时，根据目标遮挡情况，提出利用新的自适应离散群优化算法的更新机制更新粒子，最终完成前视声纳水下目标跟踪。本发明对水下目标跟踪具有较好的跟踪精度和较快的跟踪速度，并且当目标存在遮挡、对比度变化较大、弱小目标、受噪声影响严重等情况仍然具有一定的有效性和适应性。
-
公开(公告)号：CN109146922B
公开(公告)日：2021-07-06
申请号：CN201810757443.3
申请日：2018-07-11
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及的图像处理技术领域，具体地说是一种基于自适应粒子群优化的前视声纳水下目标跟踪方法，本发明提出由迭代次数与适应度值自适应调整惯性权重，平衡粒子的探索与开发能力，使粒子能快速搜索到全局最优解；选择种群中的随机粒子与当前粒子的个体最优值进行比较，采用两者中个体最优值较大的粒子，更新粒子的速度，解决粒子陷入局部最优的问题。当水下目标被遮挡时，根据目标遮挡情况，提出利用新的自适应离散群优化算法的更新机制更新粒子，最终完成前视声纳水下目标跟踪。本发明对水下目标跟踪具有较好的跟踪精度和较快的跟踪速度，并且当目标存在遮挡、对比度变化较大、弱小目标、受噪声影响严重等情况仍然具有一定的有效性和适应性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
