摘要
为解决传统的时域、频域特征不足以完全表征水声信号非线性、非高斯的问题,文章以海洋环境下采集的水声信号为对象,选用Mel频谱特征作为水声信号特征,提取了四类水声信号的Mel频谱特征制作数据集,分别用 SVM 分类器、BP 神经网络分类器以及 VGG16 卷积神经网络分类器进行训练与分类测试,以验证水声信号识别能力.结果表明,三种分类器模型对四类水声信号的平均分类精度均可达 89%以上,证明Mel频谱特征能够有效表达水声信号特征的能力.而BP神经网络分类器可获得优于SVM的分类精度,卷积神经网络的分类精度则高出BP神经网络 6.0%,其平均分类准确率为 97.5%,因此,基于VGG16卷积神经网络构建的分类器具有更好的识别能力.
NETL
NSTL
万方数据