典型文献
基于深度学习的低空声目标识别
文献摘要：
本文提出采用人耳听觉特征和深度神经网络(Deep Neural Network,DNN)相结合的方式对低空飞行目标进行分类.首先,以不同目标的梅尔频率谱(Mel-Frequency Cepstrum Coefficients,MFCC)和伽玛通功率谱(Gammatone Filterbank spectra,GF)为静态特征,并以它们的差分谱作为动态特征;其次,利用谐波处理技术获得具有谐波保护的上述静态特征和动态特征;最后,将上述特征进行组合,作为深度神经网络的输入参数进行网络训练,来进行不同低空声目标的鉴别.试验结果表明,基于深度学习的方法在低空飞行目标识别方面可以取得较好的识别效果.
文献关键词：
低空声目标识别;深度神经网络(DNN);梅尔频率倒谱系数(MFCC);伽玛通功率谱(GF)
中图分类号：
作者姓名：
王显云;王志峰;黄山
作者机构：
中国电子科技集团公司第三研究所,北京 100015
文献出处：
引用格式：
[1]王显云;王志峰;黄山-.基于深度学习的低空声目标识别)[J].电声技术,2022(03):67-70,74
A类：
低空声目标识别,Filterbank
B类：
人耳听觉,深度神经网络,Deep,Neural,Network,DNN,低空飞行,频率谱,Mel,Frequency,Cepstrum,Coefficients,MFCC,功率谱,Gammatone,spectra,GF,静态特征,差分谱,动态特征,谐波,技术获得,输入参数,网络训练,梅尔频率倒谱系数
AB值：
0.417097
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。
