-
公开(公告)号：CN113452637B
公开(公告)日：2021-11-30
申请号：CN202111017690.8
申请日：2021-09-01
申请人： 中国海洋大学
摘要： 本发明公开了一种基于特征选择和支持向量机的水声通信信号调制识别方法。包括：对仿真或实际获取的水声通信数据样本，提取每一个样本的瞬时特征、高阶累积量、功率谱特征，形成串联特征；采用熵权法计算串联特征的权重系数，将权重系数大于预设权重阈值的对应特征视作敏感特征；以每一个样本的敏感特征作为样本数据，相同调制方式的水声数据样本标注相同标签，不同调制方式的水声数据样本标注不同标签，形成训练；以训练集为支持向量机的输入，采用高斯核函数，以多分类交叉熵函数作为目标函数进行训练，得到基于支持向量机的识别模型；利用训练好的识别模型，对经过特征提取的水声通信数据进行调制识别。本方法具有效率高、识别准确的优点。
-
公开(公告)号：CN115878982B
公开(公告)日：2023-09-22
申请号：CN202211571572.6
申请日：2022-12-08
申请人： 中国海洋大学
IPC分类号： G06F18/213 , G01S7/539 , G06F18/24 , G06N3/0464 , G06N3/09
摘要： 本发明公开了一种基于双频回波信号特征的水下目标识别方法及系统。所述方法包括：对获取的不同频段的水声目标回波信号数据样本，提取每一个样本的时频特征；将相同目标回波的两个频段的时频特征图分别放入两个通道进行组合，形成双频回波信号的时频特征图；以每一个样本的时频特征作为样本数据，相同目标的水声回波数据样本标注相同的标签，不同目标的水声回波数据样本标注不同标签，形成训练集；以训练集作为卷积神经网络的输入，进行训练，得到基于卷积神经网络的识别模型；利用训练好的识别模型，对经过特征提取的水声回波数据进行目标识别。本发明识别准确率高，且网络结构简单，参数少，便于应用。
-
公开(公告)号：CN115878982A
公开(公告)日：2023-03-31
申请号：CN202211571572.6
申请日：2022-12-08
申请人： 中国海洋大学
IPC分类号： G06F18/213 , G01S7/539 , G06F18/24 , G06N3/0464 , G06N3/09
摘要： 本发明公开了一种基于双频回波信号特征的水下目标识别方法及系统。所述方法包括：对获取的不同频段的水声目标回波信号数据样本，提取每一个样本的时频特征；将相同目标回波的两个频段的时频特征图分别放入两个通道进行组合，形成双频回波信号的时频特征图；以每一个样本的时频特征作为样本数据，相同目标的水声回波数据样本标注相同的标签，不同目标的水声回波数据样本标注不同标签，形成训练集；以训练集作为卷积神经网络的输入，进行训练，得到基于卷积神经网络的识别模型；利用训练好的识别模型，对经过特征提取的水声回波数据进行目标识别。本发明识别准确率高，且网络结构简单，参数少，便于应用。
-
公开(公告)号：CN113452637A
公开(公告)日：2021-09-28
申请号：CN202111017690.8
申请日：2021-09-01
申请人： 中国海洋大学
摘要： 本发明公开了一种基于特征选择和支持向量机的水声通信信号调制识别方法。包括：对仿真或实际获取的水声通信数据样本，提取每一个样本的瞬时特征、高阶累积量、功率谱特征，形成串联特征；采用熵权法计算串联特征的权重系数，将权重系数大于预设权重阈值的对应特征视作敏感特征；以每一个样本的敏感特征作为样本数据，相同调制方式的水声数据样本标注相同标签，不同调制方式的水声数据样本标注不同标签，形成训练；以训练集为支持向量机的输入，采用高斯核函数，以多分类交叉熵函数作为目标函数进行训练，得到基于支持向量机的识别模型；利用训练好的识别模型，对经过特征提取的水声通信数据进行调制识别。本方法具有效率高、识别准确的优点。
-
-
-
搜索结果
4 条记录 (耗时 0.024 秒)
