基于Mel倒谱和BP神经网络的船舶目标分类研究.pdf

基于Mel倒谱和BP神经网络的船舶目标分类研究.pdf

ID:52207046

大小:272.18 KB

页数:4页

时间:2020-03-24

基于Mel倒谱和BP神经网络的船舶目标分类研究.pdf_第1页
基于Mel倒谱和BP神经网络的船舶目标分类研究.pdf_第2页
基于Mel倒谱和BP神经网络的船舶目标分类研究.pdf_第3页
基于Mel倒谱和BP神经网络的船舶目标分类研究.pdf_第4页
资源描述:

《基于Mel倒谱和BP神经网络的船舶目标分类研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、2011年第3O卷第6期传感器与微系统(TransducerandMicrosystemTechnologies)55基于Mel倒谱和BP神经网络的船舶目标分类研究王易川,李智忠(海军潜艇学院航海观通系,山东青岛266071)摘要:Mel倒谱系数分析依据人耳听觉特性,可以提取有利于船舶目标分类的特征。前向神经网络的反向传播算法对类别数目小但分类困难的模式识别问题有良好的分类效果。针对Mel倒谱系数分析提取的船舶目标分类识别特征,采用前向神经网络的反向传播算法,可以有效对船舶目标进行分类。关键词:Mel倒谱;BP神经网络;船舶辐射噪声;目标分类中图

2、分类号:TP212文献标识码:A文章编号:1000--9787(2011)06-0055-03StudyonshiptargetclassificationbasedonMel—cepstrumandBPneuralnetworksWANGYi—chuan,LIZhi—zhong(DepartmentofNavigation,NavySubmarineAcademy,Qingdao266071,China)Abstract:Mel—cepstrumanalysisbasedoncharacteristicsofhumanhearingisable

3、toextractfeatureforshiptargetclassification.Back-propagationalgorithmsofforwardneuralnetworkissuitableforpatternrecognitionproblemwhenthenumberofclassesissmallbutclassificationisdifficult.AimedatshiptargetsfeaturesareextractedbyMe1一cepstrumanalysis,usingback—propagationalgori

4、thmsofforwardneuralnetwork,shiptargetsaleclassificated.Keywords:Mel—cepstrum;BPneuralnetworks;shipradiatednoise;targetclassification0引言Mel频率尺度的值大体上对应于实际频率的对数分布关对船舶辐射噪声进行分类是十分复杂的技术问题,国系n]。Mel频率与实际频率的具体关系可用下式表示内外研究人员做了很多相关研究工作。船舶辐射噪声分类Mel(f)=25951g(1+f/700),(1)系统通常由预处理、特征提取和分类器

5、设计等部分组成。式中/为频率,Hz。I临界频率带宽随着频率的变化m人耳具有良好的频率分辨能力,受过训练的高水平声纳操化,并与Mel频率的增长一致,在1000Hz以下大致呈线性作人员能够利用船舶辐射噪声准确地对目标进行分类。分布,带宽为100Hz左右;在l000Hz以上呈对数增长。类Mel倒谱系数(MFCC)的分析着眼于人耳的听觉特性,似于临界频带的划分,可以将语音频率划分成一系列三角能够有效提取有利于船舶目标分类识别的特征。前向多层形的滤波器序列,即Mel滤波器组,如图1所示。神经网络反向传播(BP)算法已被证实对类别数目小但分类困难的模式识别问

6、题有良好的分类效果。本文提取了船舶辐射噪声的Mel倒谱系数特征,利用前向神经网络BP算法对船舶目标分类进行研究。1Mel倒谱系数特征提取在对船舶辐射噪声通常要进行预加重、加窗、分帧等预处理过程,以便于Mel倒谱系数特征提取。与普通实际频图1Mel频率尺度滤波器组率倒谱分析不同,MFCC的分析与人耳的听觉特性紧密联Fig1Mel-frequencefilterbanks系,这是因为人耳所听到声音的高低与声音频率并不呈线取每个三角形的滤波器频率带宽内所有信号幅度加权性正比关系,而用Mel频率尺度则更符合人耳的听觉特性。和作为某个带通滤波器的输出,然后

7、对所有滤波器输出作收稿日期:2010—10—11基金项目:国防预研基金资助项目(4010501050102)传感器与微系统第3O卷对数运算,再进一步作离散余弦变换(DCT)即可得到MF2)为每一型船舶建立一个神经网络,用提取的所有特CC。MFCC参数的计算过程的具体步骤如下:征对网络进行训练;1)根据式(1)将实际频率尺度转换为Me1频率尺度;3)为每一型船舶建立一个神经网络,只用本型船舶提2)在Mel频率轴上配置个通道的三角形滤波器组,取的特征进行训练。的个数由信号截止频率决定。每一个三角形滤波器的中心将提取的MFCC特征作为网络输入,通过神经

8、网络进频率C(z)在Mel频率轴上等间隔分配。设O(f),C(1)和行有指导的训练,得到船舶目标分类结果。本文采用第1h(f)分别是第z

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。