基于深度学习的典型海洋哺乳动物click信号识别方法

摘要：

利用深度神经网络对3种典型海洋哺乳动物的click信号和脉冲噪声进行分类识别.首先对采集到的海洋哺乳动物click信号进行特征分析,给出频谱能量算法;之后利用前馈全连接神经网络对时域信号进行识别,研究神经网络参数的改变对识别结果的影响;最后利用卷积神经网络对时频信号进行了识别.结果表明:频谱能量算法识别准确率为69.83％,前馈全连接网络通过调整参数准确率可以达到98.28％,卷积神经网络准确率达到100％.由于实验数据规模较小、信号信噪比较高,所以神经网络的识别效果较好.深度学习方法能够比频谱能量算法取得更好的识别效果,调节前馈全连接网络的隐藏层参数,可提高识别效果.

关键词：click信号、海洋哺乳动物、前馈全连接神经网络、卷积神经网络

所属期刊栏目：47

分类号：TB565.1(声学工程)

资助基金：国家自然科学基金11674294,11874331

在线出版日期：2020-01-11（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：37-43