• 中国科技核心期刊
  • JST收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于Gammatone频率倒谱系数的舰船辐射噪声分析

吴晏辰 王英民

吴晏辰, 王英民. 基于Gammatone频率倒谱系数的舰船辐射噪声分析[J]. 水下无人系统学报, 2021, 29(1): 060-64. doi: 10.11993/j.issn.2096-3920.2021.01.009
引用本文: 吴晏辰, 王英民. 基于Gammatone频率倒谱系数的舰船辐射噪声分析[J]. 水下无人系统学报, 2021, 29(1): 060-64. doi: 10.11993/j.issn.2096-3920.2021.01.009
WU Yan-chen, WANG Ying-min. Ship-Radiated Noise Analysis Based on the Gammatone Frequency Cepstrum Coefficient[J]. Journal of Unmanned Undersea Systems, 2021, 29(1): 060-64. doi: 10.11993/j.issn.2096-3920.2021.01.009
Citation: WU Yan-chen, WANG Ying-min. Ship-Radiated Noise Analysis Based on the Gammatone Frequency Cepstrum Coefficient[J]. Journal of Unmanned Undersea Systems, 2021, 29(1): 060-64. doi: 10.11993/j.issn.2096-3920.2021.01.009

基于Gammatone频率倒谱系数的舰船辐射噪声分析

doi: 10.11993/j.issn.2096-3920.2021.01.009
详细信息
    作者简介:

    吴晏辰(1989-), 男, 在读博士, 主要研究方向为神经网络和水下声信号.

  • 中图分类号: TJ630.34 TB53

Ship-Radiated Noise Analysis Based on the Gammatone Frequency Cepstrum Coefficient

  • 摘要: 舰船辐射噪声的声学特征提取对目标训练和识别有着重要影响。文中提出一种基于Gammatone频率倒谱系数(GFCC)的特征分析方法: 以目标特征提取方法——Mel频率倒谱系数(MFCC)算法作为比照组, 针对小型低速船只、小型高速船只及大型船只三大类目标, 在2种不同水声环境中提取的5 122个样本进行了分类识别比对试验。试验结果表明, 2种算法的目标识别率均大于80%, 且GFCC在海洋复杂声环境中的识别率显著高于MFCC, 并对高频目标更敏感。说明GFCC算法与标准的MFCC算法相比, 在海洋等强干扰环境下具有更好的抗噪性和更高的快速目标识别率。

     

  • [1] 徐及, 黄兆琼, 李琛, 等.深度学习在水下目标被动识别中的应用进展[J].信号处理, 2019, 35(9): 1460-1475.

    Xu Ji, Huang Zhao-qiong, Li Chen, et al. Advances in Underwater Target Passive Recognition Using Deep Learning[J]. Journal of Signal Processing, 2019, 35(9): 1460-1475.
    [2] 方世良, 杜栓平, 罗昕炜, 等. 水声目标特征分析与识别技术[J]. 中国科学院院刊, 2019, 34(3): 297-305.

    Fang Shi-liang, Du Shuan-ping, Luo Xin-wei, et al. Development of Underwater Acoustic Target Feature Analysis and Recognition Technology[J]. Bulletin of the Chinese Academy of Sciences, 2019, 34(3): 297-305.
    [3] 杜雪, 廖泓舟, 张勋. 基于深度卷积特征的水下目标智能识别方法[J]. 水下无人系统学报, 2019, 27(3): 260-265.

    Du Xue, Liao Hong-zhou, Zhang Xun. Underwater Target Recognition Method Based on Deep Convolution Feature[J]. Journal of Unmanned Undersea Systems, 2019, 27(3): 260- 265.
    [4] 孔晓鹏, 姚直象, 胡金华, 等. 舰船辐射噪声MFCC特征分析与分类识别[J]. 声学技术, 2019, 38(5): 155-156.
    [5] 程锦盛, 杜选民, 周胜增, 等. 基于目标MFCC特征的监督学习方法在被动声呐目标识别中的应用研究[J]. 舰船科学技术, 2018, 40(9): 116-121.

    Cheng Jin-sheng, Du Xuan-min, Zhou Sheng-zeng, et al. Application of the MFCC Feature Based Supervised Learning Method in Passive Sonar Target Recognition[J]. Ship Science and Technology, 2018, 40(9): 116-121.
    [6] 吴姚振, 杨益新, 田丰, 等.基于Gammatone频率离散小波系数的水下目标鲁棒识别[J].西北工业大学学报, 2014, 32(6): 906-911.

    Wu Yao-zhen, Yang Yi-xin, Tian Feng, et al. Robust Underwater Target Recognition Based on Gammatone Frequency Discrete Wavelet Coefficients(GFDWC)[J]. Journal of Northwestern Polytechnical University, 2014, 32(6): 906-911.
    [7] 周萍, 沈昊, 郑凯鹏.基于MFCC与GFCC混合特征参数的说话人识别[J]. 应用科学学报, 2019, 37(1): 24-32.

    Zhou Ping, Shen Hao, Zheng Kai-peng. Speaker Recognition Based on Combination of MFCC and GFCC Feature Parameters[J]. Journal of Applied Sciences, 2019, 37(1): 24-32.
    [8] 刘雨柔, 张雪英, 陈桂军, 等. VMD改进GFCC的情感语音特征提取[J]. 计算机工程与设计, 2020, 41(8): 2265-2270.

    Liu Yu-rou, Zhang Xue-ying, Chen Gui-jun, et al. Feature Extraction of Emotional Speech Based on Improved GFCC with VMD[J]. Computer Engineering and Design, 2020, 41(8): 2265-2270.
    [9] Jiang J, Shi T, Huang M, et al. Multi-Scale Spectral Feature Extraction for Underwater Acoustic Target Recognition[J]. Measurement, 2020, 166: 108227.
    [10] 张少康, 田德艳. 水下声目标的梅尔倒谱系数智能分类方法[J]. 应用声学, 2019, 38(2): 267-272.

    Zhang Shao-kang, Tian De-yan. Intelligent Classification Method of Mel Frequency Cepstrum Coefficient for Un-derwater Acoustic Targets[J]. Applied Acoustics, 2019, 38(2): 267-272.
    [11] 曾向阳. 水下智能目标识别[M]. 北京: 国防工业出版社, 2016: 8-15.
  • 加载中
计量
  • 文章访问数:  195
  • HTML全文浏览量:  3
  • PDF下载量:  135
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-10-15
  • 修回日期:  2020-11-30
  • 刊出日期:  2021-03-01

目录

    /

    返回文章
    返回
    服务号
    订阅号