為了改善分類系統(tǒng)的性能,進一步提高艦船輻射噪聲分類的正確率,該文提出了一種基于深度神經(jīng)網(wǎng)絡(luò)的多特征融合分類方法。該方法首先提取艦船輻射噪聲幾種不同的特征,將提取的特征同時用于訓練具有多個輸入分支的深度神經(jīng)網(wǎng)絡(luò),使網(wǎng)絡(luò)直接在多種特征參數(shù)上進行聯(lián)合學習,通過神經(jīng)網(wǎng)絡(luò)的輸入分支和連接層實現(xiàn)特征融合,再對艦船輻射噪聲進行分類。為了特征深度學習提取了艦船輻射噪聲的頻譜特征、梅爾倒譜系數(shù)和功率譜特征,并將多特征融合分類方法與在一種特征上進行深度學習分類方法的正確率進行對比。實驗結(jié)果表明,基于深度學習的多特征融合分類方法可以有效地提高艦船輻射噪聲分類的正確率,是一種可行的分類方法。

【文章頁數(shù)】：6 頁


本文編號：3833681