亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種神經(jīng)網(wǎng)絡(luò)的艦船目標噪聲提取和分類技術(shù)

        2023-12-04 06:38:10吳建軍
        艦船科學(xué)技術(shù) 2023年20期
        關(guān)鍵詞:線譜艦船卷積

        孫 航,吳建軍,李 林

        (開封大學(xué),河南 開封 475000)

        0 引言

        隨著現(xiàn)代各類電子信息技術(shù)的快速發(fā)展,船舶的部分噪聲輻射有所降低,因此對船舶目標的噪聲提取以及識別分類顯示更加重要[1]。艦船在航行過程中,由于其裝載的機械設(shè)備在不停的運轉(zhuǎn),因此必定會向四面八方傳播各類噪聲,并且這些噪聲通過水和空氣傳播到很遠的地方。若被遠處的水聽器接收到,則這些噪聲變成海洋中目標識別的干擾源之一[2]。當前世界各國對艦船的低噪聲發(fā)展越來越重視,因此導(dǎo)致船舶目標噪聲的判斷與識別變得越來越難,僅僅依靠人工判斷很難滿足現(xiàn)階段的需求[3]。本文基于神經(jīng)網(wǎng)絡(luò)技術(shù),研究船舶目標噪聲的提取和分類技術(shù),這有助于船舶噪聲識別技術(shù)的發(fā)展。

        1 神經(jīng)網(wǎng)絡(luò)技術(shù)

        1.1 卷積神經(jīng)網(wǎng)絡(luò)技術(shù)

        現(xiàn)代科學(xué)技術(shù)的進步促進了深度學(xué)習(xí)技術(shù)的發(fā)展。深度學(xué)習(xí)的相關(guān)理論技術(shù)已經(jīng)得到了廣泛的應(yīng)用,例如多目標分類[4]。為了降低整個神經(jīng)網(wǎng)絡(luò)的計算量,提升卷積運算的效率,卷積神經(jīng)網(wǎng)絡(luò)在卷積過程中為每個卷積運算核都提供權(quán)值共享,這樣可以降低整個卷積神經(jīng)網(wǎng)絡(luò)中的參數(shù)量。卷積神經(jīng)網(wǎng)絡(luò)在進行多維圖像處理的過程中,可以對圖像直接進行卷積運算,這樣可以省略圖像特征提取以及數(shù)據(jù)重構(gòu)的過程[5]。卷積神經(jīng)網(wǎng)絡(luò)憑借著自身強大的特征提取以及學(xué)習(xí)能力,使得其對圖像的識別具備平移不變性,其結(jié)構(gòu)如圖1 所示。

        圖1 卷積神經(jīng)網(wǎng)絡(luò)整體結(jié)構(gòu)Fig.1 The overall structure of convolutional neural networks

        利用卷積層,卷積神經(jīng)網(wǎng)絡(luò)能夠?qū)斎雸D像進行特征提取,最終得到圖像的特征圖。卷積神經(jīng)網(wǎng)絡(luò)中卷積核權(quán)重的優(yōu)化學(xué)習(xí)過程叫做卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,一般利用反向傳播算法對卷積核權(quán)重進行優(yōu)化。卷積層的算法如下式:

        在整個卷積神經(jīng)網(wǎng)絡(luò)運算過程中池化層具有十分重要的作用。池化層能夠確保圖像的局部特征不會發(fā)生形變。平均池化和最大池化是卷積神經(jīng)網(wǎng)絡(luò)中最常用的2 種池化操作。卷積神經(jīng)網(wǎng)絡(luò)的池化算法如下式:

        在卷積神經(jīng)網(wǎng)絡(luò)中需要將所有二維圖像的特征值整合成一維的圖像特征值,然后通過全連接層以及激活函數(shù)的響應(yīng)可以得到整個卷積神經(jīng)網(wǎng)絡(luò)中全連接層的輸出,如下式:

        式中,bl為偏置項。

        1.2 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程

        在正向傳播過程中,神經(jīng)網(wǎng)絡(luò)需要將誤差信息按照原有的鏈路傳送回去,并且利用調(diào)整神經(jīng)元權(quán)重值的方法,不斷向神經(jīng)網(wǎng)絡(luò)的輸入層進行傳遞并計算,接著執(zhí)行正向傳播過程,通過反復(fù)使用正反2 個傳播過程,不斷降低誤差的數(shù)值,最終獲得期望的數(shù)值[6]。隱層輸出的算法和輸出層的輸出函數(shù)算法分別如下式:

        在反向傳播過程中,需要對前一層的權(quán)重值進行優(yōu)化,神經(jīng)網(wǎng)絡(luò)中權(quán)值的調(diào)整量計算方法和權(quán)重值的調(diào)整方法分別如下式:

        由于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法的收斂時間比較長,針對傳統(tǒng)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法的缺陷,可以采用附加動量以及可變學(xué)習(xí)速度的方法進行調(diào)整,其權(quán)值調(diào)整公式為:

        采用可變學(xué)習(xí)的方法也可以達到提升收斂速度的目的,如果迭代之后的誤差降低,則下次迭代的步長增大??勺儗W(xué)習(xí)方法的權(quán)值修正方法如下式:

        式中:η為學(xué)習(xí)步長,是一個固定數(shù)。針對固定學(xué)習(xí)步長的缺點,可以采用變步長的學(xué)習(xí)方法,將學(xué)習(xí)步長看成一個可以變化的量,學(xué)習(xí)步長的修正方法和誤差變化率的計算方法分別如下式:

        2 艦船目標噪聲建模仿真分析

        艦船在海上航行過程中,由于船上機械設(shè)備的運動以及艦船自身的航行運動,因此會以艦船為中心向四周傳播噪聲,水中產(chǎn)生的噪聲可以成為目標信號。接收到的目標噪聲是多種噪聲合成的結(jié)果,包括機械振動、螺旋槳旋轉(zhuǎn)、海水流動等。其中螺旋槳在正常旋轉(zhuǎn)過程中,葉片的尖端的線速度能夠達到數(shù)十米每秒,螺旋槳葉片的振動噪聲滿足下式:

        經(jīng)過大量的經(jīng)驗測量發(fā)現(xiàn),可以采用一個正弦函數(shù)來模擬低頻線譜,如下式:

        式中:fi為頻率;ai為幅值;?i為相位。艦船噪聲低頻線譜波形如圖2 所示,可以看出,歸一化之后的幅值范圍為-0.4~0.4。

        圖2 艦船噪聲低頻線譜波形Fig.2 Low frequency line spectrum waveform of ship noise

        為了能夠進行連續(xù)譜的仿真,則需要將螺旋槳噪聲經(jīng)過一個FIR 濾波器,濾波后可以得到連續(xù)分量的噪聲。使用巴特沃斯濾波進行FIR 濾波,該濾波器的頻率響應(yīng)曲線如圖3 所示。經(jīng)過調(diào)制的船舶目標噪聲的時域曲線的表達式如下式:

        圖3 濾波器頻率響應(yīng)曲線Fig.3 Filter frequency response curve

        式中:l(t)為線譜分量;a(t)為調(diào)制信號;c(t)為連續(xù)譜信號。船舶目標噪聲中包含了連續(xù)譜和窄帶寬線譜2 種頻譜,在進行仿真時,將帶內(nèi)信噪比和海洋噪聲進行疊加。帶內(nèi)信噪比的求解方法,如下式:

        海洋噪聲功率如圖4 所示。

        圖4 海洋噪聲功率譜Fig.4 Ocean noise power spectrum

        通過艦船目標噪聲的產(chǎn)生原理可以得知,線譜主要有2 種,一種是和船舶螺旋槳轉(zhuǎn)速相關(guān)的,另一種是和船舶螺旋槳轉(zhuǎn)速無關(guān)的,因此該線譜只能靠實際測量的經(jīng)驗值進行估算,所以本文在仿真過程中采用理想模型來表示該線譜。本文仿真采用的線譜基頻為31 Hz,諧波分量分別為62 Hz、93 Hz、124 Hz,采樣頻率為4 800 Hz,仿真得到曲線如圖5 所示。

        圖5 線譜信號波形曲線Fig.5 Line spectrum signal waveform curve

        3 艦船目標噪聲提取及分類

        3.1 艦船目標噪聲提取

        從人耳的感覺來看,船舶目標噪聲的頻率和音調(diào)之間的關(guān)系是成正比例關(guān)系的,但是本質(zhì)上音調(diào)和頻率之間并不是正比例關(guān)系,因此采用Mel 頻率來描述人耳接收到的船舶目標噪聲的非線性特性,Mel 頻率和實際頻率之間的關(guān)系如下式:

        曲線關(guān)系如圖6 所示。

        圖6 Mel 頻率和實際頻率之間的曲線關(guān)系Fig.6 Curve relationship between Mel frequency and actual frequency

        因為艦船目標噪聲的頻譜主要存在于2 500 Hz 以下的低頻段,因此對1.5~23.5EBR 之間的頻段進行噪聲特征響應(yīng)的提取,通過該方法可以獲得221 維的船舶目標噪聲特性響度的特征值,接著利用PCA 方法可以找到主要的特征,最終可以達到提取主要特征的目的。本文對海上航行艦船產(chǎn)生的噪聲進行響應(yīng)特征提取,分析的目標樣本數(shù)為6 000 點,最終獲得了83 個樣本的特征值。艦船目標噪聲特征響應(yīng)度曲線如圖7所示,可以看出,噪聲特征響度峰值出現(xiàn)了100 Hz 頻帶附近。艦船目標噪聲特征值大小曲線如圖8 所示,可以看出,船舶目標噪聲的響度特征大部分集中于20 維之前,并且90%以上集中在前10 維。

        圖7 艦船目標噪聲特征響應(yīng)度曲線Fig.7 Characteristic response curve of ship target noise

        圖8 艦船目標噪聲特征值大小曲線Fig.8 Ship target noise characteristic value size curve

        3.2 艦船目標噪聲分類

        由于艦船目標噪聲比較復(fù)雜,并且每個船舶目標噪聲之間相互交錯,因此本文采用的神經(jīng)網(wǎng)絡(luò)分類器具備非線性隱層。將提取到的艦船目標噪聲的特征矢量輸入船舶目標噪聲分類器中,將一部分的目標噪聲特征樣本用作網(wǎng)絡(luò)的訓(xùn)練,以便能夠得到合適的權(quán)值,接著將另外的樣本用作分類檢測。在對艦船目標噪聲進行分類之前,需要從眾多的特征中識別出最有效的特征,這樣能夠更好地進行分類。使用歐式距離測量的方法對船舶目標噪聲特征進行提取,最優(yōu)特征的判斷方法如下式:

        式中:Sb為類間距;Sw為類內(nèi)距。找到一個合適特征維數(shù)使得J達到最大值,從所有特征數(shù)D中選擇d個特征數(shù),如下式:

        將1 620 個艦船目標噪聲特征樣本分成ABC 三類,每一類又分成訓(xùn)練樣本和測試樣本,艦船目標噪聲能量特征分類結(jié)果如表1 所示。目標噪聲能量特征識別準確率和訓(xùn)練次數(shù)之間的關(guān)系如圖9 所示,可以看出,隨著訓(xùn)練次數(shù)的增加,準確率也會逐漸增加。

        表1 艦船目標噪聲能量特征分類結(jié)果Tab.1 Classification results of ship target noise energy features

        圖9 識別準確率和訓(xùn)練次數(shù)之間的關(guān)系Fig.9 Identify the relationship between accuracy and the number of training sessions

        4 結(jié)語

        艦船目標噪聲的識別難度在于其噪聲的產(chǎn)生機制非常復(fù)雜,噪聲中的成分比較多,其中包含連續(xù)譜和較強的窄帶2 種分量,這使得艦船目標噪聲的特征提取一直是艦船信號處理領(lǐng)域的一個重要問題。在艦船目標噪聲識別過程中最關(guān)鍵的步驟在于分類器的選擇。神經(jīng)網(wǎng)絡(luò)的優(yōu)點主要有分布處理、自主學(xué)習(xí)、并行計算等。隨著BP 算法的提出,深度神經(jīng)網(wǎng)絡(luò)獲得了跨越式的發(fā)展。將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到艦船目標噪聲的提取和分類中,可以實現(xiàn)艦船目標噪聲識別技術(shù)的智能化發(fā)展。

        猜你喜歡
        線譜艦船卷積
        艦船通信中的噪聲消除研究
        UUV慣導(dǎo)系統(tǒng)多線譜振動抑制研究
        基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
        艦船測風(fēng)傳感器安裝位置數(shù)值仿真
        從濾波器理解卷積
        電子制作(2019年11期)2019-07-04 00:34:38
        基于傅里葉域卷積表示的目標跟蹤算法
        艦船腐蝕預(yù)防與控制系統(tǒng)工程
        “”維譜在艦船輻射噪聲線譜提取中的應(yīng)用
        一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識別方法
        基于隱馬爾可夫模型的線譜跟蹤技術(shù)
        日韩一区三区av在线| 91精彩视频在线观看| 国内精品福利在线视频| 亚洲乱码中文字幕第一页| 国产香蕉视频在线播放| 人妻丰满熟妇av无码区hd| 热久久网站| 精品蜜桃在线观看一区二区三区| 国产一区亚洲二区三区| 欧洲熟妇色xxxxx欧美老妇伦| 好爽受不了了要高潮了av | 无码国产亚洲日韩国精品视频一区二区三区| 特一级熟女毛片免费观看| 国产一区二区三区成人| 激情伊人五月天久久综合| 色av综合av综合无码网站| 国产精品制服一区二区| 日本午夜剧场日本东京热| 7m精品福利视频导航| 国产喷水在线观看| 一区二区三区精品偷拍av| 亚洲天堂成人av影院| 午夜无码国产理论在线| 女同av在线观看网站| 亚洲av无一区二区三区综合| 亚洲欧美国产精品久久| 亚洲爆乳无码专区| 亚洲一区极品美女写真在线看| 亚洲免费国产中文字幕久久久| 六月婷婷久香在线视频| 日本少妇被爽到高潮的免费 | 无码国产精品一区二区免费模式 | 中文字幕免费不卡二区| 国产精品一区二区久久乐下载 | 国产女主播精品大秀系列| 精品国产高清一区二区广区| 国产又色又爽的视频在线观看91| 免费国产在线精品一区| 1000部精品久久久久久久久| 蜜桃av区一区二区三| 国产av无码专区亚洲av果冻传媒|