發(fā)布時間：2022-10-09 12:19

　　水下目標識別一直是水聲信號處理領(lǐng)域的重要研究內(nèi)容,其中包括對海洋生物信號的研究。海洋哺乳動物叫聲的研究對于海洋生態(tài)環(huán)境的監(jiān)測與仿生研究都有著重要的意義。本文以四種鯨目動物低頻叫聲信號作為研究對象,利用深度卷積神經(jīng)網(wǎng)絡(luò)對目標進行特征提取和分類識別,并與以梅爾倒譜系數(shù)為特征,支持向量機和隨機森林為分類器的傳統(tǒng)水下目標分類模型進行對比,進而分析深度學(xué)習(xí)方法的特點和優(yōu)勢。論文的主要完成工作如下:首先介紹了水下目標識別的背景以及基本的理論知識。從特征提取和分類器設(shè)計兩個角度簡述了水下目標識別技術(shù)的發(fā)展歷程。重點介紹了深度學(xué)習(xí)技術(shù)的發(fā)展歷史以及在水下目標識別領(lǐng)域的初步探索。分析了鯨目動物低頻叫聲信號的參數(shù)模型,研究了基于梅爾倒譜系數(shù)的水下信號特征提取方法。從時頻分析的角度討論了線調(diào)頻小波變換在分析鯨類叫聲信號的優(yōu)勢,并引入一種線調(diào)頻小波變換的快速算法。結(jié)合實測四類鯨魚叫聲數(shù)據(jù),分別提取并對比了四種鯨類叫聲信號的Mel譜圖和Chirplet譜圖。作為深度卷積神經(jīng)網(wǎng)絡(luò)分類模型的對比模型,對支持向量機和隨機森林這兩種傳統(tǒng)的機器學(xué)習(xí)算法進行簡要的介紹。其次介紹了一維,二維兩種卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)組成以及網(wǎng)絡(luò)... 

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

四類鯨魚外形圖

Mel頻率與實際頻率的關(guān)系

Mel濾波器組的幅頻響應(yīng)


本文編號：3688625