典型文献
一种基于MFCC特征的水下目标分类网络
文献摘要：
水声目标辐射噪声特征提取和识别技术是水声目标识别的重要任务,也是水声信号处理领域的难题.鉴于梅尔滤波器中提取的听觉特征在语音识别中的广泛应用,文章基于梅尔倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)和卷积神经网络(Convolutional Neural Network,CNN)构建了一个水声信号深度分类网络.该分类网络通过MFCC特征提取方法逐帧提取舰船辐射噪声信号的梅尔倒谱系数,将其构建特征矩阵输入CNN中进行分类,构建了一个4类舰船辐射噪声样本集,并利用所提出的网络考察了不同维度下MFCC和LOFAR特征的分类性能,分析了不同类型特征和不同特征维度输入对网络分类性能的影响,可为水声分类研究相关人员提供参考.
文献关键词：
水声信号;梅尔系数;目标分类;CNN;时频分析
中图分类号：
作者姓名：
徐晓刚;罗昕炜
作者机构：
东南大学水声信号处理教育部重点实验室,南京,210096
文献出处：
引用格式：
[1]徐晓刚;罗昕炜-.一种基于MFCC特征的水下目标分类网络)[J].声学与电子工程,2022(01):25-29,33
A类：
梅尔系数
B类：
MFCC,水下目标分类,分类网络,噪声特征,水声目标识别,水声信号处理,滤波器,听觉,语音识别,梅尔倒谱系数,Mel,Frequency,Cepstrum,Coefficient,Convolutional,Neural,Network,舰船辐射噪声,噪声信号,特征矩阵,样本集,不同维度,LOFAR,分类性能,类型特征,分类研究,时频分析
AB值：
0.304083
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。
