典型文献
水声JANUS信号的分数低阶时频谱迁移学习识别方法
文献摘要：
非合作第三方水下标准协议信号识别在水声通信信号识别中具有重要研究意义.针对浅海水声JANUS信号的特征提取因易受脉冲噪声和多径效应等复杂水声环境影响而导致识别率低下的问题,提出一种分数低阶时频谱和ResNetl8(Residual Network 18)相结合的迁移学习识别方法.首先,选取JANUS固定前导作为识别对象,设计分数低阶傅里叶同步压缩变换(FLOFSST),以分数低阶操作抑制脉冲噪声,以时频重排特性增强时频集中性.其次,将基于ImageNet的ResNet18预训练模型微调,迁移至JANUS信号和常见水声信号时频图集.仿真表明所提算法在信噪比为-10 dB时JANUS信号的识别率为96.15％,能够有效抑制脉冲噪声并减小多径效应影响,比传统算法识别性能好.海试中JANUS信号识别率达90.00％,证明算法识别准确率和网络的泛化性较高.
文献关键词：
中图分类号：
作者姓名：
李园园;周明章;孙海信;冯晓;应文威
作者机构：
厦门大学信息学院水声通信与海洋信息技术教育部重点实验室 厦门 361005;解放军91977部队 北京 102249
文献出处：
引用格式：
[1]李园园;周明章;孙海信;冯晓;应文威-.水声JANUS信号的分数低阶时频谱迁移学习识别方法)[J].声学学报,2022(04):461-470
A类：
ResNetl8,FLOFSST
B类：
JANUS,低阶,时频谱,迁移学习,方水,下标,标准协议,信号识别,水声通信信号,研究意义,浅海,信号的特征提取,脉冲噪声,多径效应,声环境,识别率,Residual,Network,前导,识别对象,同步压缩变换,重排,集中性,ImageNet,ResNet18,预训练模型,模型微调,移至,水声信号,时频图,图集,dB,传统算法,算法识别,识别性,海试,识别准确率,泛化性
AB值：
0.398916
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。
