基于目标MFCC特征的监督学习方法在被动声呐目标识别中的应用研究

作者：程锦盛; 杜选民; 周胜增; 曾赛

来源：舰船科学技术, 2018, 40(17): 116-121.

• MFCC特征
• 机器学习
• 监督学习
• 被动声呐
• 目标识别

以机器学习为代表的智能技术迅猛发展,也为被动声呐目标识别提供了新的思路。利用机器学习算法挖掘水声目标信号深层特征,实现目标自动识别、辅助识别,成为被动声呐目标识别的新发展方向。本文针对水下噪声目标的信号特性,结合人耳在低信噪比、多目标环境下的优异识别性能,提取被动声呐目标经典听觉感知特征——梅尔倒谱(MFCC),并引入KNN、SVM、CNN和DBN四种机器学习算法对两类水声目标进行监督学习和识别分析。试验结果表明,监督学习方法应用于被动声呐目标识别具有可行性,且其中DBN方法对目标MFCC特征的识别性能最佳。