融合人耳听觉特性与SAE模型的船舶辐射噪声分类方法

• 作者: 刘振 李海涛 邱家兴 陈喆
• 来源期刊: 舰船科学技术
• 学科: 工学
• 关键词: 人耳听觉特性 堆栈自编码神经网络 分类
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 水声电子
• 页码范围: 172-176
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3404/j.issn.1672–7649.2020.08.032

摘要

深度学习技术的发展为船舶辐射噪声分类识别提供了一个新的方法.本文从人耳听觉角度出发,提出一种融合人耳听觉特性与堆栈自编码神经网络的船舶辐射噪声分类方法.该方法使用Mel滤波器模拟人耳对噪声信号频率的选择,借助SAE网络逐层自动提取舰船辐射噪声人耳听觉特征量的深度特征,并将该特征用于分类识别.针对实测船舶辐射噪声信号进行试验,结果表明,本文提出的方法具有91.19％的识别正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李海涛		17	41	3.0	5.0
2	邱家兴		12	9	2.0	2.0
3	刘振		4	1	1.0	1.0
4	陈喆		8	6	2.0	2.0