-
公开(公告)号：CN110456332A
公开(公告)日：2019-11-15
申请号：CN201910738375.0
申请日：2019-08-12
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于自动编码器的水声信号增强方法，属于水声信号处理领域。针对主动声呐中回波信号特征提取困难的问题，本发明设计了降噪自动编码器与卷积降噪自动编码器相结合的自动编码器。首先利用降噪自动编码器在信号整体上的降噪优势，对含噪信号进行预处理；然后结合卷积降噪自动编码器对信号局部特征的优化，对信号进行局部降噪，从而实现信号增强。本发明方法能够直接以接收信号的时域波形作为特征输入，保留了信号的幅度与相位特征。实验结果表明，本发明不仅有效降低了信号中的噪声分量，而且在时域和频域上均达到了较好的恢复效果。
-
公开(公告)号：CN110456332B
公开(公告)日：2022-08-05
申请号：CN201910738375.0
申请日：2019-08-12
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于自动编码器的水声信号增强方法，属于水声信号处理领域。针对主动声呐中回波信号特征提取困难的问题，本发明设计了降噪自动编码器与卷积降噪自动编码器相结合的自动编码器。首先利用降噪自动编码器在信号整体上的降噪优势，对含噪信号进行预处理；然后结合卷积降噪自动编码器对信号局部特征的优化，对信号进行局部降噪，从而实现信号增强。本发明方法能够直接以接收信号的时域波形作为特征输入，保留了信号的幅度与相位特征。实验结果表明，本发明不仅有效降低了信号中的噪声分量，而且在时域和频域上均达到了较好的恢复效果。
-
公开(公告)号：CN110738138A
公开(公告)日：2020-01-31
申请号：CN201910917925.5
申请日：2019-09-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于循环神经网络的水声通信信号调制模式识别方法。获取水声通信信号仿真数据或实测数据，分为训练集和测试集；对每个信号数据进行采样，进行标准化及归一化处理；分别对训练集和测试集的数据样本提取瞬时频率特征和谱熵特征；对训练集和测试集数据样本标注标签；建立Bi-LSTM循环神经网络模型并设置参数；将训练集输入到网络模型中，训练达到最优的训练网络参数；将深度学习循环神经网络的输入切换为测试集，验证网络自动化识别。本发明采用水声通信信号具有时序性的特征，通过可以处理时序输入序列的Bi-LSTM循环神经网络，训练得到适用于水下通信信号的网络，该网络对非合作水声通信信号有较高的识别率。
-
-
Search Results
3
records
(took 0.019 seconds)
