一种基于深度学习的水下声学目标辐射噪声增强方法

    公开(公告)号:CN117238308A

    公开(公告)日:2023-12-15

    申请号:CN202310602965.7

    申请日:2023-05-26

    摘要: 本文发明一种基于深度学习的水下声学目标辐射噪声增强方法,涉及一种计算机语音水下增强处理方法,该方法首先通过对仿真的纯净舰船辐射噪声和白噪声进行随机混合为带噪舰船辐射噪声信号;然后,提取38个特征信息作为神经网络的输入特征;最后通过递归神经网络训练得到的临界频带增益应用于音高滤波的结果,再通过窗口合成就可以达到对水下目标辐射噪声增强。本发明基于针对水下环境的特点,所提出的方法更加适合深海恶劣环境下的水下声学目标辐射噪声增强工作,且处理后的水下声学目标辐射噪声对后续的研究有更好的效果。

    一种基于改进YOLOv5的深海生物目标检测方法

    公开(公告)号:CN116740413A

    公开(公告)日:2023-09-12

    申请号:CN202310493298.3

    申请日:2023-05-05

    摘要: 一种基于改进YOLOv5的深海生物目标检测方法,涉及一种深海生物目标检测方法,通过载人潜水器操作搭载在机器云台上的摄像头,在深海环境下采集深海生物图像或视频;将采集到的图片一起组成原始深海生物数据集;对数据集进行打标签操作,并按照合适的比例将优化后的深海生物数据集划分为训练集、测试集和验证集;配置Pytorch1.10,Python3.8等环境,搭建起改进的YOLOv5目标检测网络结构,将优化后的深海生物数据集放入改进的YOLOv5网络中进行训练;训练结束后将生成目标检测模型。选取最优参数模型;修改实际检测文件中的模型配置函数与待检测图片文件夹,运行程序即可得到检测结果。本发明能够有效提高检测精度与检测速度。