利用频谱变换的水声信号分类框架

摘要：

在水声信号分类应用中,由于保密或采集条件限制等原因,样本通常会不足,导致深度学习框架的分类精度不高.为解决小样本水声信号分类精度不高的问题,提出一种结合频谱变换和深度学习框架的方法.通过对各类频谱变换测试,发现LOFAR频谱变换能显著提高声音信号中的特征表现.使用GAN网络对频谱变换后的样本扩充,使用改进的CNN网络对频谱图进行分类.实验结果表明了上述框架可以生成高质量的样本,显著提高水声信号的分类精度.

关键词：深度学习;水声信号;频谱;生成式对抗网络;分类

所属期刊栏目：42

分类号：TP391.41(计算技术、计算机技术)

资助基金：天津市高等学校基本科研业务费基金项目2019KJ019

在线出版日期：2021-11-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：3246-3252