搜索到451篇“ 声目标识别“的相关文章
- 基于改进ShuffleNetV2模型的声目标识别方法研究被引量：3
- 2023年
- 轻量级神经网络模型参数量大幅减少,且速度得到了很大的提升,然而,检测的准确率却不高。因此,对轻量级ShuffleNetV2模型进行改进,加入3×3的Depthwise卷积核,同时降低1×1的卷积核和引入注意力机制SE模块。在ImageNet数据集中进行ShuffleNetV2模型预训练。然后,将改进的ShuffleNetV2模型与其他4种网络模型进行了实验对比。结果表明:改进ShuffleNetV2模型的综合性能最佳;与SE-ShuffleNetV2模型相比,在参数量和计算量一样时,其准确率提高了7.25%。改进的ShuffleNetV2模型为移动端的声目标精确识别进一步奠定了基础。
- 简泽明赵旭辉胡君豪丁善婷刘梦然
- 关键词：声目标识别结构优化
- 基于深度学习的水下少样本声目标识别方法研究
- 水下声目标识别技术是一种利用被动声呐以及其他传感器接收目标在水下的连续声音信号,并判别目标类别或舰艇型号的自动化信息处理技术,为人类在海洋的经济与军事活动中提供重要决策依据。它在海底矿物资源勘探、海洋生物资源开发、水面交...
- 杨海舟
- 关键词：半监督学习
- 基于深度学习的低空声目标识别
- 2022年
- 本文提出采用人耳听觉特征和深度神经网络(Deep Neural Network,DNN)相结合的方式对低空飞行目标进行分类。首先,以不同目标的梅尔频率谱(Mel-Frequency Cepstrum Coefficients,MFCC)和伽玛通功率谱(Gammatone Filterbank spectra,GF)为静态特征,并以它们的差分谱作为动态特征;其次,利用谐波处理技术获得具有谐波保护的上述静态特征和动态特征;最后,将上述特征进行组合,作为深度神经网络的输入参数进行网络训练,来进行不同低空声目标的鉴别。试验结果表明,基于深度学习的方法在低空飞行目标识别方面可以取得较好的识别效果。
- 王显云王志峰黄山
- 基于深度学习的小样本声目标识别方法被引量：4
- 2021年
- 声目标分类识别是声源识别领域的核心问题,然而,在应用深层神经网络进行声目标分类识别时,从少量样本中学习(样本复杂度较低)是一个具有挑战性的问题;针对此问题,提出了一种基于深度学习的小样本声目标识别方法,该方法将手工设计特征和对数梅尔声谱特征结合到一起,扩充了深度学习模型的可利用特征量,提高了声信号识别效率和精度;在实验验证中,该方法在测试集上实现了87.6%的识别精度;更进一步地,用较少量的训练样本对该方法和其它几种主流的深度学习模型的性能进行了比较验证,结果表明,该方法只需要更少量的数据即可实现同样的识别精度,在声源探测领域具有一定应用价值。
- 王鹏程崔敏李剑王彦博赵欣孔庆珊
- 野外环境下的声目标识别技术研究
- 在边防区域的野外环境下，通过对入侵目标声音信号的分析处理，完成入侵目标的探测识别，以实现边防区域的智能化实时监控。传统的目标探测识别方法是使用多传感器进行组合探测，其中，声音传感器易受噪声和其它声源的干扰，导致声目标识别...
- 刘中越
- 关键词：自适应噪声抵消端点检测特征提取声目标识别
- 基于稀疏非负矩阵分解的低空声目标识别被引量：3
- 2020年
- 借鉴人耳听觉原理和特征学习的优势,提出了梅尔(Mel)频率谱提取和稀疏非负矩阵分解相结合的方法用于低空飞行目标声信号识别。首先,以不同目标的Mel频率谱为特征矩阵,利用稀疏非负矩阵分解方法学习得到各自的模板矩阵;然后,利用按列合并后的模板矩阵对训练/测试样本进行特征分解获得编码系数,该系数可作为分类特征;最后,结合不同目标的特点,采用分频段特征提取和顺序二类分类的方法进行多目标分类,并与Mel频率倒谱系数进行性能比较。结果显示,无论在单类目标辨识还是在多类目标分类中,稀疏非负矩阵分解方法均取得了更好的效果。
- 杨博杨立学王志峰周印龙
- 关键词：非负矩阵分解
- 基于深度学习的声目标识别方法研究
- 声目标识别是声音信号处理领域的热点研究课题，致力于通过分析声音信号中所包含的复杂特征，识别其中包含的语义信息，最终实现声目标的识别。声音作为信息的主要载体之一，声目标的识别可广泛用于安全监管、医疗监护、生态系统调查和反恐...
- 李旻择
- 关键词：声音信号目标识别特征提取卷积神经网络
- 复合深度神经网络在直升机声目标识别中的研究被引量：1
- 2019年
- 针对直升机探测中目标运动过程连续识别的鲁棒性问题,提出了一种基于复合深度神经网络的直升机声学特征提取和识别框架。复合深度神经网络由卷积神经网络和长短时记忆神经网络以并行结构组合,进行直升机声学特征的优化,完成直升机类型识别。针对直升机声信号特性,对卷积神经网络进行了改进,使得该复合深度神经网络在信号短时谱基础上优化声信号特征表征并提取前后帧之间的相关信息,弥补通常声目标识别方法不能充分利用目标信号时间历程信息的缺陷。真实外场实验数据测试结果显示:相较于传统识别方法,该算法显著提升了直升机进入有效探测范围后连续识别的鲁棒性和目标识别正确率。
- 郭洋周翊管鲁阳鲍明
- 关键词：声目标识别
- 基于深度学习的声目标识别技术研究
- 有效探测识别低空飞行器已成为雷达等传统监控手段亟待解决的问题，而声目标识别凭借全向探测、被动探测和隐蔽性好等诸多优势，在低空飞行器探测识别方面获得广泛的关注和应用。本文以国防和公共安全的实时监控为应用背景，针对直升机这一...
- 郭洋
- 关键词：声目标识别特征提取
- 基于深度学习的声目标识别方法研究
- 作为最常见的一种信息载体，声音中承载着丰富的类别信息，并且由于声学传感器具有隐蔽性好、价格低廉和不易受电磁干扰等优点，声目标识别对于安全监督、军事侦察、生态监测以及智能家居等领域都具有重大的意义。声目标识别过程分为特征提...
- 李沅箐
- 关键词：声目标识别
相关作者
- 杨宏晖
- 作品数：59被引量：113H指数：7
- 供职机构：西北工业大学航海学院
- 研究主题：水声目标识别 水下目标识别 支持向量机 卷积神经网络 水声目标
- 刘辉
- 作品数：43被引量：159H指数：8
- 供职机构：安徽省电子制约技术重点实验室
- 研究主题：声目标识别 支持向量机 HMM 特征提取 流形学习
- 杨俊安
- 作品数：143被引量：759H指数：12
- 供职机构：安徽省电子制约技术重点实验室
- 研究主题：量子遗传算法 声目标识别 盲识别 遗传算法 独立分量分析
- 曾向阳
- 作品数：271被引量：354H指数：10
- 供职机构：西北工业大学
- 研究主题：水声 水声信号 声场 水声目标 室内声场
- 方世良
- 作品数：358被引量：356H指数：11
- 供职机构：东南大学
- 研究主题：线谱 水声 水声信道 数据序列 参数初始化
