典型文献
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
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
黄擎;曾向阳
作者机构：
西北工业大学 航海学院,陕西 西安710072
文献出处：
引用格式：
[1]黄擎;曾向阳-.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)[J].哈尔滨工程大学学报,2022(02):159-165
A类：
WAVEDEC,MFCC+SVM
B类：
小波分解,改进卷积神经网络,水声目标识别,目标识别方法,非平稳特性,水声信号,分类识别,水下目标识别,目标识别算法,识别率,WP,EMD,方法对比,计算时间,时间最短,有效应用,舰船辐射噪声,经验模态分解,Adam,梯度优化,批量归一化
AB值：
0.253622
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
