基于卷积和循环网络的水声信号联合特征表示和识别方法

杜柏润; 章博

首页> 中文期刊> 《舰船科学技术》 >基于卷积和循环网络的水声信号联合特征表示和识别方法

基于卷积和循环网络的水声信号联合特征表示和识别方法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

传统的水声信号识别方法是将特征提取和分类识别分开进行处理的,影响了水声信号识别的整体性能。本文根据水声信号的特点,结合一维卷积网络(1DCNN)的卷积运算、时间平移不变性和门控循环网络(GRU)内部充分考虑时序相关性的记忆能力等优势,将一维卷积网络和门控循环网络进行串联中并对网络参数和模型结构进行优化,自适应提取特征给出分类结果,并与单独使用1DCNN和GRU网络模型的分类性能进行对比。结果表明,本文提出的网络对水声信号的识别准确率最高。

著录项

来源
《舰船科学技术》 |2023年第15期|107-110|共4页
作者
杜柏润; 章博;
展开▼
作者单位

大连理工大学;

大连测控技术研究所;

展开▼
原文格式 PDF
正文语种 chi
中图分类通信理论;
关键词
水声信号识别; 一维卷积网络; 门控循环网络;

相似文献

中文文献
外文文献
专利

1. 基于小波包时频图特征和卷积神经网络的水声信号分类 [J] . 陈德昊 ,林建恒 ,衣雪娟 . 声学技术 . 2021,第3期
2. 基于时空特征卷积神经网络的运动想象脑电信号识别方法 [J] . 许学添 ,蔡跃新 . 计算机应用与软件 . 2022,第10期
3. 基于深层卷积神经网络和双谱特征的雷达信号识别方法 [J] . 刘赢 ,田润澜 ,王晓峰 . 系统工程与电子技术 . 2019,第9期
4. 基于希尔伯特变换联合卷积神经网络的脑电信号识别方法 [J] . 甘华生 ,陈明生 . 计算机测量与控制 . 2021,第12期
5. 用于水声目标信号时频特征提取与识别的深度卷积神经网络 [J] . 李俊豪 ,杨宏晖 . 无人系统技术 . 2019,第4期
6. 基于异构网络多特征的水声通信信号调制识别 [C] . JIANG Nan ,姜楠 ,WANG Bin . 2018年全国声学大会 . 2018
7. 基于特征表示及密集门控循环卷积网络的短文本分类研究 [A] . 薛满意 . 2020

基于卷积和循环网络的水声信号联合特征表示和识别方法

摘要

著录项

相似文献

相关主题

期刊订阅