基于小波包分解和PCA-Attention-LSTM的舰船辐射噪声识别技术

作者：吴承希^*; 王彪; 徐千驰; 朱雨男

来源：声学技术, 2022, 41(02): 264-273.

DOI：10.16300/j.cnki.1000-3630.2022.02.018

• 舰船辐射噪声
• 小波包分解
• 特征提取
• 主成分分析
• 舰船识别分类

为了改进舰船辐射噪声分类系统的性能，进一步提高识别准确率，文章提出了一种基于多特征的小波包分解在长短期记忆(LongShort-TermMemory,LSTM)网络中分类的方法。该方法首先通过小波包分解技术，分频段提取舰船辐射噪声的多种特征，将提取的特征利用主成分分析法(Principal Component Analysis, PCA)进行数据降维，通过添加注意力机制(Attention Mechanism)算法的LSTM网络，对辐射噪声结果分类，提高了学习效率和识别准确率。为了更精细地提取特征，分频段提取了舰船辐射噪声的时频域特征、小波变换特征和梅尔倒谱系数等特征，并将分频段与不分频段的特征、多特征与单一特征、不同信噪比间的算法性能进行对比。实验结果表明，基于小波包分解和PCA-Attention-LSTM的模型可以有效地提高舰船辐射噪声分类的性能，是一种可行的分类方法。

• 单位
  江苏科技大学