針對全面禁核試低頻聲監(jiān)測中需要對大氣低頻聲信號進行有效識別的問題,對深度神經(jīng)網(wǎng)絡中的卷積神經(jīng)網(wǎng)絡進行了研究,提出了一種將低頻聲信號轉(zhuǎn)換為圖像,然后采用卷積神經(jīng)網(wǎng)絡進行識別,并對學習過程進行改進的方法。將該方法與基于人工設計特征的支持向量機方法進行了對比實驗,實驗結(jié)果表明,在訓練數(shù)據(jù)集不大的情況下,通過改進學習過程的卷積神經(jīng)網(wǎng)絡可以挖掘出信號的潛在特征,具有和支持向量機同等的識別能力。 

【文章頁數(shù)】：8 頁

【參考文獻】：
期刊論文
[1]深度學習的研究進展與發(fā)展[J]. 史加榮,馬媛媛.  計算機工程與應用. 2018(10)
[2]生成式對抗網(wǎng)絡研究進展[J]. 王萬良,李卓蓉.  通信學報. 2018(02)
[3]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[4]深度學習:開啟大數(shù)據(jù)時代的鑰匙[J]. 余濱,李紹滋,徐素霞,紀榮嶸.  工程研究-跨學科視野中的工程. 2014(03)
[5]支持向量機理論及算法研究綜述[J]. 汪海燕,黎建輝,楊風雷.  計算機應用研究. 2014(05)
[6]數(shù)字信號處理的時頻分析方法綜述[J]. 張麗娜.  信息技術(shù). 2013(06)
[7]核爆次聲背景噪聲信號特征分析[J]. 青建華,程先友,龐新良.  核電子學與探測技術(shù). 2013(05)
[8]支持向量機理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學學報. 2011(01)
[9]大氣中一種低頻次聲波觀測研究[J]. 林琳,楊亦春.  聲學學報. 2010(02)

博士論文
[1]基于深度神經(jīng)網(wǎng)絡的語音識別模型研究[D]. 張仕良.中國科學技術(shù)大學 2017



本文編號：3727051