基于MFCC特征的被动水声目标深度学习分类方法

摘要：

基于深度学习的人工智能在语音识别技术取得了突破性的进展,为被动声呐目标分类提供了新思路.该文提出一种将一维卷积神经网络与长短时记忆网络融合的深度学习分类模型(Conv-LSTM),提取了被动声呐目标听觉感知特征——梅尔频率倒谱系数(MFCC),并将特征输入模型提取深度特征进行目标分类.试验结果表明,该模型相较卷积神经网络和长短时记忆网络具有更高的识别率.

关键词：听觉特征;深度学习;目标分类

所属期刊栏目：42

分类号：TB56(声学工程)

在线出版日期：2021-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：129-133