基于DEMON谱和LSTM网络的水下运动目标噪声基频检测

• 作者: 卢佳敏 宋三明 景严 张瑶 谷浪 鲁帆 胡志强 李硕
• 来源期刊: 应用声学
• 关键词: 基频 深度网络 长短时记忆网络 卷积神经网络 水听器阵列 水下目标噪声
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 研究报告|Research Articles
• 页码范围: 745-753
• 页数: 9页
• 分类号: TB566
• 语种: 中文
• DOI: 10.11684/j.issn.1000-310X.2021.05.013

摘要

传统的船舶辐射噪声基频检测方法不仅依赖大量的先验知识,而且对背景噪声非常敏感.为了提高目标识别的稳定性和精确性,该文提出了一种基于深度神经网络的基频检测算法.首先从多通道水听器信号中提取DEMON谱,然后直接将二维谱特征矩阵输入由卷积神经网络和长短时记忆网络构成的级联网络,最后通过稠密层输出实现对基频的估计.仿真和外场实验结果初步表明:深度网络能够实现无先验知识和不同信噪比条件下的基频检测,具有良好的泛化性能.长短时记忆网络能够高效地从时序DEMON谱中提取统计特征,提高基频估计精度.输入信号的时间长短会影响网络的检测精度,更长时间的信号能够获得更好的检测结果.