基于深度学习的典型海洋哺乳动物click信号识别方法

• 作者: 李小雷 高大治 高德洋
• 来源期刊: 陕西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: click信号 海洋哺乳动物 前馈全连接神经网络 卷积神经网络
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 全国声学大会专题
• 页码范围: 37-43
• 页数: 7页
• 分类号: TB565.1
• 字数: 3150字
• 语种: 中文

摘要

利用深度神经网络对3种典型海洋哺乳动物的click信号和脉冲噪声进行分类识别.首先对采集到的海洋哺乳动物click信号进行特征分析,给出频谱能量算法;之后利用前馈全连接神经网络对时域信号进行识别,研究神经网络参数的改变对识别结果的影响;最后利用卷积神经网络对时频信号进行了识别.结果表明:频谱能量算法识别准确率为69.83％,前馈全连接网络通过调整参数准确率可以达到98.28％,卷积神经网络准确率达到100％.由于实验数据规模较小、信号信噪比较高,所以神经网络的识别效果较好.深度学习方法能够比频谱能量算法取得更好的识别效果,调节前馈全连接网络的隐藏层参数,可提高识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高大治	中国海洋大学信息科学与工程学院	22	123	7.0	10.0
2	李小雷	中国海洋大学信息科学与工程学院	4	2	1.0	1.0
3	高德洋	中国海洋大学信息科学与工程学院	1	0	0.0	0.0