發(fā)布時(shí)間：2019-08-26 16:44

【摘要】：針對(duì)淡水魚種類自動(dòng)識(shí)別問題,采用被動(dòng)水聲信號(hào)作為數(shù)據(jù)源,運(yùn)用維納濾波和采樣降噪法對(duì)水聲信號(hào)進(jìn)行預(yù)處理,通過4層小波包分解算法提取頻段能量,結(jié)合信號(hào)的短時(shí)平均能量和短時(shí)平均過零率構(gòu)建特征向量,使用概率神經(jīng)網(wǎng)絡(luò)分類器實(shí)現(xiàn)了淡水魚種類的快速識(shí)別,研究了不同平滑因子取值對(duì)識(shí)別效果的影響。結(jié)果表明,當(dāng)平滑因子為9~19時(shí)識(shí)別效果最佳,其中草魚、鳊魚、鯽魚的識(shí)別正確率均為100%,無魚狀態(tài)的識(shí)別正確率為77.3%,總正確率為94.3%。
[Abstract]:in that light of the problem of the automatic identification of the species of the freshwater fish, a passive underwater acoustic signal is adopted as a data source, the underwater acoustic signal is pre-processed by using a Wiener filter and a sampling noise reduction method, and the frequency band energy is extracted by a four-layer wavelet packet decomposition algorithm, According to the short-time average energy of the signal and the short-time average over-zero rate, the feature vector is constructed. The probability neural network classifier is used to realize the rapid identification of the species of the freshwater fish, and the effect of different smoothing factors on the recognition effect is studied. The results showed that, when the smoothing factor was 9 to 19, the identification effect was the best, among which, the identification accuracy of the grass carp, the sturgeon and the crucian carp was 100%, the recognition rate of the non-fish state was 77.3%, and the total correct rate was 94.3%.
【作者單位】： 華中農(nóng)業(yè)大學(xué)工學(xué)院;華中農(nóng)業(yè)大學(xué)食品科技學(xué)院;
【基金】：中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)(2662015QC020、2662015PY078) 國家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系建設(shè)專項(xiàng)(CARS-46-23)
【分類號(hào)】：S932;TB56

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 江磊;蔡平;楊娟;王逸林;;一種新型水聲信號(hào)發(fā)射機(jī)的設(shè)計(jì)與研究[J];壓電與聲光;2007年06期

2 黃迪;陳伏虎;;能量絕對(duì)占優(yōu)水聲信號(hào)分離的時(shí)頻掩蔽方法[J];聲學(xué)與電子工程;2010年04期

3 杜召平;張強(qiáng);劉百峰;;多路水聲信號(hào)抗串漏檢測(cè)技術(shù)仿真[J];艦船科學(xué)技術(shù);2012年12期

4 張立琛;王英民;鄭琨;王琦;;高一致性低噪聲多路水聲信號(hào)預(yù)處理設(shè)計(jì)方法[J];電聲技術(shù);2012年09期

5 張自嘉;王昌明;劉偉;;基于虛擬儀器的水聲信號(hào)采集與處理[J];儀器儀表學(xué)報(bào);2007年S1期

6 胡偉文;苑秉成;李薇;黃登斌;;基于特征匹配的復(fù)雜水聲信號(hào)仿真模型驗(yàn)證方法[J];兵工學(xué)報(bào);2012年03期

7 于海春;余華兵;孫長瑜;李啟虎;;基于虛擬儀器技術(shù)的通用水聲信號(hào)發(fā)射系統(tǒng)設(shè)計(jì)[J];應(yīng)用聲學(xué);2009年02期

8 梁勇;孟橋;陸佶人;;根據(jù)聯(lián)合預(yù)測(cè)效果提取水聲信號(hào)的非線性特征[J];聲學(xué)技術(shù);2007年04期

9 朱威;;大動(dòng)態(tài)范圍水聲聲壓信號(hào)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J];電聲技術(shù);2009年02期

10 方世良;陸佶人;夏鴻寶;賈靜蘭;;基于頻域分解的水聲信號(hào)寬帶盲波束形成[J];聲學(xué)技術(shù);2009年03期

相關(guān)會(huì)議論文 前10條

1 王建文;劉文帥;程廣福;尹文茂;;四階譜在水聲信號(hào)中的應(yīng)用研究[A];第十一屆船舶水下噪聲學(xué)術(shù)討論會(huì)論文集[C];2007年

2 王志強(qiáng);安良;陸佶人;;新型水聲信號(hào)非線性自適應(yīng)預(yù)測(cè)濾波器算法研究[A];中國聲學(xué)學(xué)會(huì)2006年全國聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

3 包飛;王新龍;陶智勇;;水聲信號(hào)的子帶頻率特性特征提取[A];2009年度全國物理聲學(xué)會(huì)議論文集[C];2009年

4 張自嘉;王昌明;劉偉;;基于虛擬儀器的水聲信號(hào)采集與處理[A];2007'中國儀器儀表與測(cè)控技術(shù)交流大會(huì)論文集（一）[C];2007年

5 雷開卓;陳友淦;許肖梅;黃建國;;嵌入式水聲信號(hào)發(fā)射機(jī)的設(shè)計(jì)與研究[A];2009中國儀器儀表與測(cè)控技術(shù)大會(huì)論文集[C];2009年

6 張安清;王為頌;石一鳴;;脈沖噪聲環(huán)境下一種韌性的水聲信號(hào)波束形成[A];2009年全國水聲學(xué)學(xué)術(shù)交流暨水聲學(xué)分會(huì)換屆改選會(huì)議論文集[C];2009年

7 魏強(qiáng);孟橋;;水聲信號(hào)的低通濾波及局部投影法聯(lián)合降噪[A];中國聲學(xué)學(xué)會(huì)2003年青年學(xué)術(shù)會(huì)議[CYCA'03]論文集[C];2003年

8 黃立峰;許鷺芬;;利用自相關(guān)技術(shù)實(shí)現(xiàn)水聲信號(hào)的高分辨率鑒頻[A];2009年全國水聲學(xué)學(xué)術(shù)交流暨水聲學(xué)分會(huì)換屆改選會(huì)議論文集[C];2009年

9 崔海英;李亞安;石秀華;;一種水聲信號(hào)的自適應(yīng)信噪空間分離降噪方法研究[A];2007’促進(jìn)西部發(fā)展聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2007年

10 郭天宇;;多通道水聲信號(hào)采集與存儲(chǔ)系統(tǒng)[A];2007年全國水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2007年

相關(guān)碩士學(xué)位論文 前1條

1 李銳;水下超聲信號(hào)預(yù)處理及其虛擬儀器技術(shù)研究[D];西南交通大學(xué);2008年

，

本文編號(hào)：2529436