【技术实现步骤摘要】
本专利技术涉及水声信号处理，具体涉及一种大型海洋哺乳动物声信号分类方法及系统、电子设备。
技术介绍
1、目前对于大型海洋哺乳动物声信号的研究主要包括两种方式，一种是利用原始的音频信号波形特征进行分类，另一种是基于时频特征图进行分类研究。通过时频图对信号进行时频分析，强调了频率分布的重要性，却丢失了相位信息，这样就会导致利用特征进行声音的还原时出现不够准确的问题。对于原始波形特征来说，它拥有声音信号最原始的特征以及保留了其自身的时间尺度，可以更好的反映出声音信号的时域特征。
2、目前针对声音信号研究中，较少的涉及将时频特征谱图和波形特征这两种不同特征进行融合的处理方法。在分类方法上从主要集中在卷积神经网络（cnn）、长短时记忆网络（lstm）与transformer等网络模型，这些方法分别从不同角度进行分析，各有利弊，单纯的cnn模型只能提取声音信号中的局部特征信息，然而对于声音信号来说，只采用cnn会丢失声音信号的长期依赖性，对突变信号之间的关系也难以得到适当考虑。虽然，lstm可以处理时间序列的问题，但是对于数据量较大的问
【技术保护点】
1.一种大型海洋哺乳动物声信号分类方法，其特征在于，包括：
2.根据权利要求1所述的大型海洋哺乳动物声信号分类方法，其特征在于，所述利用Mel与IMel特征提取方法对所述原始波形特征进行特征提取，得到所述声信号数据的时频特征，包括：
3.根据权利要求2所述的大型海洋哺乳动物声信号分类方法，其特征在于，所述利用Mel与IMel对所述原始波形特征进行特征提取，得到所述声信号数据的时频特征，还包括：
4.根据权利要求3所述的大型海洋哺乳动物声信号分类方法，其特征在于，所述S300包括：
5.根据权利要求4所述的大型海洋哺乳动物...
【技术特征摘要】
1.一种大型海洋哺乳动物声信号分类方法，其特征在于，包括：
2.根据权利要求1所述的大型海洋哺乳动物声信号分类方法，其特征在于，所述利用mel与imel特征提取方法对所述原始波形特征进行特征提取，得到所述声信号数据的时频特征，包括：
3.根据权利要求2所述的大型海洋哺乳动物声信号分类方法，其特征在于，所述利用mel与imel对所述原始波形特征进行特征提取，得到所述声信号数据的时频特征，还包括：
4.根据权利要求3所述的大型海洋哺乳动物声信号分类方法，其特征在于，所述s300包括：
5.根据权利要求4所述的大型海洋哺乳动物声信号分类方法，其特征在于，所述利用多模态特征提取器分别提取所述声信号数据的原始波形特...
【专利技术属性】
技术研发人员：李兴顺，成霄，曹剑，
申请(专利权)人：青岛中科研海海洋科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。