首页|基于深度学习的典型海洋哺乳动物click信号识别方法

基于深度学习的典型海洋哺乳动物click信号识别方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
利用深度神经网络对3种典型海洋哺乳动物的click信号和脉冲噪声进行分类识别.首先对采集到的海洋哺乳动物click信号进行特征分析,给出频谱能量算法;之后利用前馈全连接神经网络对时域信号进行识别,研究神经网络参数的改变对识别结果的影响;最后利用卷积神经网络对时频信号进行了识别.结果表明:频谱能量算法识别准确率为69.83％,前馈全连接网络通过调整参数准确率可以达到98.28％,卷积神经网络准确率达到100％.由于实验数据规模较小、信号信噪比较高,所以神经网络的识别效果较好.深度学习方法能够比频谱能量算法取得更好的识别效果,调节前馈全连接网络的隐藏层参数,可提高识别效果.
Marine mammals'click signals classification based on deep learning

高德洋、高大治、李小雷

展开 >

中国海洋大学 信息科学与工程学院,山东 青岛 266100

click信号 海洋哺乳动物 前馈全连接神经网络 卷积神经网络

国家自然科学基金国家自然科学基金

1167429411874331

2019

陕西师范大学学报(自然科学版)
陕西师范大学

陕西师范大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.563
ISSN：1672-4291
年,卷(期)：2019.47(6)
  • 3
  • 12