大气低频声信号识别深度学习方法研究

• 作者: 吴涢晖 赵子天 邹士亚 陈晓雷
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 大气低频声 卷积神经网络 深度学习 信号识别 支持向量机
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 758-765
• 页数: 8页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.12178/1001-0548.2019297

摘要

针对全面禁核试低频声监测中需要对大气低频声信号进行有效识别的问题,对深度神经网络中的卷积神经网络进行了研究,提出了一种将低频声信号转换为图像,然后采用卷积神经网络进行识别,并对学习过程进行改进的方法.将该方法与基于人工设计特征的支持向量机方法进行了对比实验,实验结果表明,在训练数据集不大的情况下,通过改进学习过程的卷积神经网络可以挖掘出信号的潜在特征,具有和支持向量机同等的识别能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴涢晖		1	0	0.0	0.0
2	赵子天		1	0	0.0	0.0
3	陈晓雷		1	0	0.0	0.0
4	邹士亚		1	0	0.0	0.0