基于深度学习的船舶辐射噪声识别研究

• 作者: 张扬帆 朱可卿 田杰 黄海宁
• 来源期刊: 应用声学
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 深度置信网络 船舶辐射噪声识别
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 研究报告
• 页码范围: 238-245
• 页数: 8页
• 分类号: TB566
• 字数: 4079字
• 语种: 中文
• DOI: 10.11684/j.issn.1000-310X.2018.02.009

摘要

为了改善船舶辐射噪声识别系统的性能,进一步提高船舶辐射噪声识别的正确率,该文提出采用一种基于深度学习的船舶辐射噪声识别方法.该方法首先提取了船舶辐射噪声的频谱、梅尔倒谱系数等特征,将提取特征后的图像样本分别用于训练卷积神经网络和深度置信网络,再对船舶辐射噪声进行识别.通过文中所给实例,将深度学习和支持向量机两种识别方法的性能进行比较,得出深度学习方法可以有效地提高船舶辐射噪声识别正确率的初步结论.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田杰	中国科学院声学研究所	35	541	15.0	22.0
2	黄海宁	中国科学院声学研究所	110	3866	15.0	61.0
3	张扬帆	中国科学院声学研究所	15	59	5.0	7.0
4	朱可卿	中国科学院声学研究所	2	2	1.0	1.0