典型文献
基于DNN和改进K-means的船舶辐射噪声开集识别方法
文献摘要：
为提高船舶噪声识别系统的性能,实现开集识别,提出了基于深度神经网络(Deep Neural Network,DNN)和改进K-means的船舶辐射噪声开集识别方法.首先,采用Welch功率谱估计方法提取船舶辐射噪声的特征;然后,设计并应用DNN模型进一步提取特征向量;最后,使用改进的K-means模型实现开集识别.在实测数据上进行了实验,结果表明,所提方法能实现船舶辐射噪声开集识别,对于实测数据的平均识别正确率为93.5％,较DNN+K-means++方法提高了 6.2个百分点.对实测数据添加实验船发动机噪声或渔船噪声进行实验,结果表明,识别方法在其他船只噪声干扰下具有较好的鲁棒性.
文献关键词：
船舶辐射噪声;深度神经网络(DNN);改进K-means;开集识别
中图分类号：
作者姓名：
倪俊帅;赵梅;胡长青
作者机构：
中国科学院声学研究所东海研究站,上海201815;中国科学院大学,北京100049
文献出处：
引用格式：
[1]倪俊帅;赵梅;胡长青-.基于DNN和改进K-means的船舶辐射噪声开集识别方法)[J].声学技术,2022(03):382-387
A类：
DNN+K
B类：
船舶辐射噪声,开集识别,噪声识别,识别系统,深度神经网络,Deep,Neural,Network,Welch,功率谱估计,估计方法,提取特征,特征向量,模型实现,means++,百分点,发动机噪声,渔船,船只,噪声干扰
AB值：
0.274464
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。
