小波分解和改进CNN相融合的水声目标识别方法

作者：黄擎; 曾向阳

来源：哈尔滨工程大学学报（英文版）, 2022, (02): 1-7.

• 水声目标识别
• 舰船辐射噪声
• 小波分解
• 经验模态分解
• 深度学习
• 卷积神经网络
• Adam梯度优化
• 批量归一化

针对具有非平稳特性的水声信号的分类识别问题，对卷积神经网络进行改进，并将改进的CNN网络与小波分解相融合，提出一种水下目标识别算法WAVEDEC＿CNN。应用采集的四类湖试数据，对该算法进行验证。实验结果表明：与传统方法MFCC+SVM对比，WAVEDEC＿CNN算法可提升正确识别率15.38%；与NO＿CNN、WPDEC ＿CNN以及EMD ＿CNN三种方法对比，WAVEDEC＿CNN算法的正确识别率分别提升了4.41%、3.23%、12.81%，同时就计算时间而言，所提出的WAVEDEC＿CNN算法所用计算时间最短。结果表明本文提出的方法能够有效应用于水声目标识别。

• 单位
  西北工业大学