一种水声信号智能训练方法、系统、装置，及存储介质制造方法及图纸

本发明专利技术实施例公开了一种水声信号智能训练方法，该方法包括：根据水声信号历史数据获取底层水声信号，其中，所述底层水声信号为一维信号；根据所述底层水声信号创建具有三维矩阵的信号数据；根据所述信号数据进行深度学习得到水声信号感知模型。将进行训练的输入信号进行加工，使其建立起更加丰富的特征，避免以现有技术方式训练时丢失部分重要技术特征的技术问题。技术问题。技术问题。

【技术实现步骤摘要】
一种水声信号智能训练方法、系统、装置，及存储介质


[0001]本专利技术属于水声信号处理
，尤其涉及一种水声信号智能训练方法、系统、装置，及存储介质。

技术介绍

[0002]随着隐身技术的发展，目前典型水声目标(如潜艇、水面舰艇、UUV和鱼水雷等)的辐射噪声不断降低，而由自然条件产生的气象噪声、由人类活动产生的人为噪声和由海洋生物活动产生的生物噪声组成的海洋环境背景噪声却不断增加，导致在复杂海洋环境下，对水声目标进行感知与识别的难度不断增大。上世纪90年代起，科研人员将信号分析理论和机器学习方法相结合，利用小波变换(Wavelet Transform,WT)、希尔伯特
‑
黄变换(Hilbert
‑
Huang Transform,HHT)、高阶谱估计、梅尔频率倒谱系数(MFCC)等方法进行特征提取，之后再利用贝叶斯分类、决策树(Decision Tree,DT)、支持向量机等机器学习分类器完成对目标信号的分类，实现水下目标的感知识别。但这类特征提取难以避免信息特征的丢失。深度学习方法在语音识别、计算机视觉本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水声信号智能训练方法，其特征在于，该方法包括：根据水声信号历史数据获取底层水声信号，其中，所述底层水声信号为一维信号；根据所述底层水声信号创建具有三维矩阵的信号数据；根据所述信号数据进行深度学习训练得到水声信号感知模型。2.根据权利要求1所述的水声信号智能训练方法，其特征在于，所述根据所述底层水声信号创建具有三维矩阵的信号数据包括：根据所述底层水声信号按照预定数据长度切分为数据段；将所述数据段按照预定数据段为基准进行对齐得到多维底层水声信号；对所述多维底层水声信号的数据进行拼接得到具有完整三维矩阵的信号数据。3.根据权利要求2所述的水声信号智能训练方法，其特征在于，所述底层水声信号为通过多通道声呐采集的信号。4.根据权利要求3所述的水声信号智能训练方法，其特征在于，所述预定数据段为距离声源目标最近的声呐采集信号数据。5.根据权利要求4所述的水声信号智能训练方法，其特征在于，根据所述信号数据进行深度学习训练得到水声信号感知模型包括：根据所述信号数据通过卷积层和池化下采样层深度学习训练得到水声信号感知模型。6.一种底层水声信号训练系统，其特征在于，所述底层水声信号深度学习系...

【专利技术属性】
技术研发人员：韦正现，张立琛，李鋆，张驰，吴浩晨，张朝金，闫孝伟，何元安，
申请(专利权)人：中国船舶集团有限公司系统工程研究院，
类型：发明
国别省市：