基于长短时记忆网络的被动声纳目标信号LOFAR谱增强研究

• 作者: 吴秉坤 杨路飞 章新华
• 来源期刊: 电声技术
• 学科: 工学
• 关键词: 目标检测 长短时记忆网络 LOFAR谱
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 通信电声
• 页码范围: 101-103
• 页数: 3页
• 分类号: TB535
• 语种: 中文
• DOI: 10.16311/j.audioe.2020.06.024

摘要

将深度学习分类模型应用于水下目标识别取得了很多成果.水下目标检测是分类识别的前提与关键,使得基于深度学习的水下目标辐射噪声信号的检测研究逐渐引起人们的重视.因此,提出了将长短时记忆网络应用于水下目标的LOFAR谱,利用深度学习模型,学习LOFAR谱中的关键信息.试验结果表明,经过长短时记忆网络训练的LOFAR谱与未训练的LOFAR谱相比,水下目标信号的线谱检测能力更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	章新华		147	1178	20.0	28.0
2	杨路飞		3	0	0.0	0.0
3	吴秉坤		3	0	0.0	0.0