期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
水声目标特征分析与识别技术
被引量：
28
1
作者
方世良
杜栓平
+2 位作者
罗昕炜
韩宁
徐晓男
《中国科学院院刊》
CSSCI
CSCD
北大核心
2019年第3期297-305,共9页
水声目标识别技术是水下信息获取和水下信息对抗的重要支撑技术,其核心是目标特征提取。文章针对水声目标辐射噪声和目标回波信号,探讨总结了水声目标信号的主要声源及目标特征表征、水声信号特征分析与提取方法、常用的水声目标分类识...
水声目标识别技术是水下信息获取和水下信息对抗的重要支撑技术,其核心是目标特征提取。文章针对水声目标辐射噪声和目标回波信号,探讨总结了水声目标信号的主要声源及目标特征表征、水声信号特征分析与提取方法、常用的水声目标分类识别方法,分析了水声目标特征提取与识别技术面临的问题,提出了今后的技术发展方向。
展开更多
关键词
水声目标
信号
特征
表征
特征
提取
分类识别
原文传递
基于迁移学习的水声目标识别
被引量：
10
2
作者
邓晋
潘安迪
+1 位作者
肖川
刘姗琪
《计算机系统应用》
2020年第10期255-261,共7页
海洋声场环境的时变空变特性、水声目标发声机理的多源性以及其他噪声源的干扰,给水声目标的检测和识别带来很多困难.常规的目标识别手段主要是基于音频时频域特征分析,在复杂海洋环境下的难以获取有效的表征特征及鲁棒的识别效果.为了...
海洋声场环境的时变空变特性、水声目标发声机理的多源性以及其他噪声源的干扰,给水声目标的检测和识别带来很多困难.常规的目标识别手段主要是基于音频时频域特征分析,在复杂海洋环境下的难以获取有效的表征特征及鲁棒的识别效果.为了解决这些问题,本文提出了基于迁移学习的水声目标识别,分别利用预训练网络VGG和VGGish提取深层声学特征及模型微调,实现水声目标的分类识别.实验表明,本文提出的识别算法有效提升了识别准确率,减少了训练时间,基于微调的迁移学习算法在水声目标识别上平均准确率为92.48%,取得了当前最好的识别结果.
展开更多
关键词
迁移学习
水声识别
信号
特征
表征
音频分类
舰船噪声
下载PDF
职称材料
题名
水声目标特征分析与识别技术
被引量：
28
1
作者
方世良
杜栓平
罗昕炜
韩宁
徐晓男
机构
东南大学水声信号处理教育部重点实验室
杭州应用声学研究所声纳技术重点实验室
出处
《中国科学院院刊》
CSSCI
CSCD
北大核心
2019年第3期297-305,共9页
基金
国家自然科学基金(11674057
11874109
+2 种基金
11574048
11604048)
中央高校基本科研业务费专项资金(2242016K30013)
文摘
水声目标识别技术是水下信息获取和水下信息对抗的重要支撑技术,其核心是目标特征提取。文章针对水声目标辐射噪声和目标回波信号,探讨总结了水声目标信号的主要声源及目标特征表征、水声信号特征分析与提取方法、常用的水声目标分类识别方法,分析了水声目标特征提取与识别技术面临的问题,提出了今后的技术发展方向。
关键词
水声目标
信号
特征
表征
特征
提取
分类识别
Keywords
underwater acoustic target
signal characterization
feature extraction
target classification and recognition
分类号
TB566 [交通运输工程—水声工程]
原文传递
题名
基于迁移学习的水声目标识别
被引量：
10
2
作者
邓晋
潘安迪
肖川
刘姗琪
机构
复旦大学计算机科学技术学院
中国电子科技集团公司第二十三研究所
出处
《计算机系统应用》
2020年第10期255-261,共7页
基金
国家自然科学基金(61671156)
文摘
海洋声场环境的时变空变特性、水声目标发声机理的多源性以及其他噪声源的干扰,给水声目标的检测和识别带来很多困难.常规的目标识别手段主要是基于音频时频域特征分析,在复杂海洋环境下的难以获取有效的表征特征及鲁棒的识别效果.为了解决这些问题,本文提出了基于迁移学习的水声目标识别,分别利用预训练网络VGG和VGGish提取深层声学特征及模型微调,实现水声目标的分类识别.实验表明,本文提出的识别算法有效提升了识别准确率,减少了训练时间,基于微调的迁移学习算法在水声目标识别上平均准确率为92.48%,取得了当前最好的识别结果.
关键词
迁移学习
水声识别
信号
特征
表征
音频分类
舰船噪声
Keywords
transfer learning
acousticrecognition
signal feature characterization
audio classification
ship noise
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
TB56 [自动化与计算机技术—控制科学与工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
水声目标特征分析与识别技术
方世良
杜栓平
罗昕炜
韩宁
徐晓男
《中国科学院院刊》
CSSCI
CSCD
北大核心
2019
28
原文传递
2
基于迁移学习的水声目标识别
邓晋
潘安迪
肖川
刘姗琪
《计算机系统应用》
2020
10
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
