湖泊环境下的水声目标检测的标志性特征

• 作者: 江均均 肖仲喆 黄敏
• 来源期刊: 复旦学报（自然科学版）
• 学科: 工学
• 关键词: 水声信号 特征提取 机器学习
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 研究论文
• 页码范围: 299-306
• 页数: 8页
• 分类号: TB566
• 字数: 4930字
• 语种: 中文

摘要

以某研究所采集的湖泊环境下的水声目标信号的实测数据为实验样本,在对其进行预处理的基础上,提取了能够表征水声目标特性的15个标志性特征,并通过机器学习算法对水声目标进行自动识别,以验证这些标志性特征的性能.这组标志性特征对静止目标的识别率高于98％,对移动目标的识别率约90％,且AUC面积均保持在0.95以上的水平.实验结果表明:本文所提取的标志性特征能够在特征数量少,不依赖于深度学习方法的条件下,以极低的计算复杂度实现对水声目标的准确检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄敏	苏州大学光电科学与工程学院	18	79	4.0	8.0
2	肖仲喆	苏州大学光电科学与工程学院	13	12	2.0	3.0
3	江均均	苏州大学光电科学与工程学院	4	1	1.0	1.0