一种基于MFCC特征的水下目标分类网络

• 作者: 徐晓刚 罗昕炜
• 来源期刊: 声学与电子工程
• 关键词: 水声信号 梅尔系数 目标分类 CNN 时频分析
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 2021年船舶通信导航与海洋工程学术会议优秀论文选载
• 页码范围: 25-29,33
• 页数: 6页
• 语种: 中文

摘要

水声目标辐射噪声特征提取和识别技术是水声目标识别的重要任务,也是水声信号处理领域的难题.鉴于梅尔滤波器中提取的听觉特征在语音识别中的广泛应用,文章基于梅尔倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)和卷积神经网络(Convolutional Neural Network,CNN)构建了一个水声信号深度分类网络.该分类网络通过MFCC特征提取方法逐帧提取舰船辐射噪声信号的梅尔倒谱系数,将其构建特征矩阵输入CNN中进行分类,构建了一个4类舰船辐射噪声样本集,并利用所提出的网络考察了不同维度下MFCC和LOFAR特征的分类性能,分析了不同类型特征和不同特征维度输入对网络分类性能的影响,可为水声分类研究相关人员提供参考.