小波分解和改进卷积神经网络相融合的水声目标识别方法

• 作者: 黄擎 曾向阳
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 水声目标识别 舰船辐射噪声 小波分解 经验模态分解 深度学习 卷积神经网络 Adam梯度优化 批量归一化
• 年，卷（期）: 2022,（2）
• 页码范围: 159-165
• 页数: 7页
• 分类号: TP311.13|TP181
• 语种: 中文
• DOI: 10.11990/jheu.202011040

摘要

针对具有非平稳特性的水声信号的分类识别问题,本文对卷积神经网络进行改进,并将改进的CNN网络与小波分解相融合,提出一种水下目标识别算法WAVEDEC_CNN.应用采集的4类湖试数据,对该算法进行验证.实验结果表明:与传统方法MFCC+SVM对比,WAVEDEC_CNN算法可提升正确识别率15.38％;与NO_CNN、WP-DEC_CNN以及EMD_CNN 3种方法对比,WAVEDEC_CNN算法的正确识别率分别提升了4.41％、3.23％、12.81％,同时就计算时间而言,所提出的WAVEDEC_CNN算法所用计算时间最短.本文提出的方法能够有效应用于水声目标识别.