申请/专利权人:上海船舶电子设备研究所(中国船舶集团有限公司第七二六研究所)
申请日:2023-12-07
公开(公告)日:2024-03-26
公开(公告)号:CN117763409A
主分类号:G06F18/241
分类号:G06F18/241;G06F18/213;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.12#实质审查的生效;2024.03.26#公开
摘要:本发明提供了一种应用于深度学习识别水声信号的字典学习降噪方法及系统,包括步骤S1:采集并处理水声数据,根据预设比例建立训练集和测试集;步骤S2:基于训练集和测试集训练并优化网络模型;步骤S3:基于网络模型完成对测试集信号的目标识别。本发明能够根据水声信号中不断重复出现的特征结构,利用循环矩阵字典学习算法学习信号中的特征结构,然后利用正交匹配追踪算法得到稀疏系数,进而得到重构信号;重构后的信号具有高信噪比,更能体现目标特性;通过提升水声信号样本质量的方式来获得高准确率识别效果,避免了复杂深度网络的建模,减少了对网络结构参数的依赖性,可以有效地提高算法的识别效率和鲁棒性。
主权项:1.一种应用于深度学习识别水声信号的字典学习降噪方法,其特征在于,包括:步骤S1:采集并处理水声数据,根据预设比例建立训练集和测试集;所述处理包括预处理、数据分割和标注;步骤S2:基于训练集和测试集训练并优化网络模型;步骤S3:基于网络模型完成对测试集信号的目标识别。
全文数据:
权利要求:
百度查询: 上海船舶电子设备研究所(中国船舶集团有限公司第七二六研究所) 应用于深度学习识别水声信号的字典学习降噪方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。