【技术实现步骤摘要】
本专利技术属于水中目标特征提取与人工智能，主要是一种基于深度学习的水中目标瞬态数值特征提取方法。
技术介绍
1、无源声纳识别的核心是水声目标辐射噪声特征的表征与提取，当前研究和应用以线谱、螺旋桨参数等稳态特征为主，大量蕴含在高维目标数据中的有用信息被舍弃，同时受复杂海洋环境、多目标强干扰、舰船减振降噪技术进步等因素影响，线谱等常用稳态特征难以稳定提取，尤其是远距离弱目标，稳态特征精准提取十分困难。
2、舰船目标除稳态噪声外，在航行工况变化、机动转向、主要设备启停等情况下，会产生瞬态噪声，如果可以加以利用，可有力支撑目标辨识。
3、近年来，深度学习技术迅猛发展，已经在计算机视觉、自然语言处理、语音信号处理等领域得到了广泛应用。深度学习具有多隐藏层的复杂结构，可实现复杂非线性拟合变换，能够直接以高维数据为输入，自主构造有用特征信息实现目标识别。和传统模式识别方法相比，其特征挖掘和利用能力更强。
4、因此，本专利技术将深度学习方法用于舰船瞬态特征检测和辨识，从时域和时频域出发，设计瞬态行为检测和相应特征智能...
【技术保护点】
1.一种基于深度学习的水中目标瞬态数值特征提取方法，其特征在于：包括步骤如下：
2.根据权利要求1所述的基于深度学习的水中目标瞬态数值特征提取方法，其特征在于：所述步骤一中的标准化样本集构建，具体步骤如下：
3.根据权利要求2所述的基于深度学习的水中目标瞬态数值特征提取方法，其特征在于：所述步骤二中的瞬态行为检测方法设计，具体步骤如下：
4.根据权利要求3所述的基于深度学习的水中目标瞬态数值特征提取方法，其特征在于：所述步骤四中的用于瞬态数值特征提取的深度学习模型训练，具体步骤如下：
5.根据权利要求4所述的基于深度学习...
【技术特征摘要】
1.一种基于深度学习的水中目标瞬态数值特征提取方法，其特征在于：包括步骤如下：
2.根据权利要求1所述的基于深度学习的水中目标瞬态数值特征提取方法，其特征在于：所述步骤一中的标准化样本集构建，具体步骤如下：
3.根据权利要求2所述的基于深度学习的水中目标瞬态数值特征提取方法，其特征在于：所述步骤二中的瞬态行为检测方法设...
【专利技术属性】
技术研发人员：杜栓平，陈越超，罗兆瑞，张伟，沈书轶，
申请(专利权)人：中国船舶集团有限公司第七一五研究所，
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。