基于小波包时频图特征和卷积神经网络的水声信号分类

作者：陈德昊; 林建恒; 衣雪娟; 孙军平; 江鹏飞; 李承帮

来源：声学技术, 2021, 40(03): 336-340.

DOI：10.16300/j.cnki.1000-3630.2021.03.006

• 水声信号
• 小波包分解
• 时频图
• 卷积神经网络
• 分类

水下声信号分类是水声学研究的一个重要方向。一个有效的特征提取和分类决策方法对水声信号分类技术至关重要。文章将鱼声、商船辐射噪声和风关噪声三类实测的水声信号在小波包分解的基础上提取时频图特征,并搭建了一个七层结构的卷积神经网络作为分类器。研究结果表明:三种水声信号的小波包时频图特征结合卷积神经网络在不同测试集可达到(98±1)%的总体准确率。因此,小波包时频图特征结合卷积神经网络的水声分类方法可望推广至更多水声信号分类。该研究结果可为水声信号的分类识别研究提供应用参考。

• 单位
  中国科学院声学研究所北海研究站; 中国科学院大学