HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

基于深度自编码网络的舰船辐射噪声分类识别

作者:严韶光; 康春玉; 夏志军; 李昆鹏被动声呐目标分类识别深度自编码网络

摘要:针对水下被动声呐目标分类识别问题,借签深度学习网络在图像、语音等领域的成功运用,提出一种基于深度自编码网络的舰船辐射噪声分类识别方法。首先使用Welch功率谱估计方法获得舰船辐射噪声的功率谱特征,然后对原始训练样本集结构优化得到新训练样本集,并构建训练深度自编码网络。依据总体正确识别概率和各类目标正确识别概率对网络参数进行优化设置,实现对舰船辐射噪声的分类识别。经过大量海上实录舰船辐射噪声的分类识别实验,验证了该方法的可行性和实用性。对比BP神经网络分类器,具有更高的正确分类识别概率。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

舰船科学技术

《舰船科学技术》(CN:11-1885/U)是一本有较高学术价值的大型半月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《舰船科学技术》1991、1995年荣获船舶总公司优秀科技期刊二等奖;国防科工委优秀国防科技期刊编辑奖;1992年荣获了北京优秀科技期刊装帧出版奖;中国期刊方阵“双效”期刊。

杂志详情