-
Patent Agency Ranking
公开(公告)号：CN111010356A
公开(公告)日：2020-04-14
申请号：CN201911084879.1
申请日：2019-11-08
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于支持向量机的水声通信信号调制方式识别方法，通过非线性分段指数函数对含有复杂海洋背景噪声的水声信号进行预处理，提取水声信号的时域L-Z复杂度特征、频域分形盒维数特征、时频域Renyi熵特征作为SVM分类器的输入，之后选择合适的核函数与参数，完成对水声通信信号的调制方式识别。本发明通过非线性变换预处理方法，消除复杂海洋背景噪声影响，提取时域、频域和时频域中的三种特征构成特征向量，与单特征方法相比性能提升明显。本发明可用于浅海水声通信信号的监测与识别，提前感知敌方的水声通信行为，提高我国海防实力。
-
公开(公告)号：CN110889436A
公开(公告)日：2020-03-17
申请号：CN201911073397.6
申请日：2019-11-06
Applicant: 西北工业大学
IPC: G06K9/62
Abstract: 本发明提供了一种基于可信度估计的水下多类目标分类方法，首先构建水下多目标数据集并给出其幂集，然后给出每个二类SVM分类器的分类结果，计算矛盾因子和每个二类SVM分类器的置信度，从而得到每个需要判别的水下目标类别的分类正确率。本发明针对无法确定每个二类SVM分类器的置信程度以及无法将多个二类SVM分类器的结果进行有效融合的问题，通过利用高斯型隶属度函数来表示每个二类SVM的信度因子以及利用构建的置信融合规则融合每个带有信度因子的二类SVM的输出结果，从而能够在增加每个二分类器的可信度的基础上识别出水下的多类目标，提高水下多类目标的分类正确率。
-
公开(公告)号：CN110889436B
公开(公告)日：2022-07-22
申请号：CN201911073397.6
申请日：2019-11-06
Applicant: 西北工业大学
IPC: G06K9/62
Abstract: 本发明提供了一种基于可信度估计的水下多类目标分类方法，首先构建水下多目标数据集并给出其幂集，然后给出每个二类SVM分类器的分类结果，计算矛盾因子和每个二类SVM分类器的置信度，从而得到每个需要判别的水下目标类别的分类正确率。本发明针对无法确定每个二类SVM分类器的置信程度以及无法将多个二类SVM分类器的结果进行有效融合的问题，通过利用高斯型隶属度函数来表示每个二类SVM的信度因子以及利用构建的置信融合规则融合每个带有信度因子的二类SVM的输出结果，从而能够在增加每个二分类器的可信度的基础上识别出水下的多类目标，提高水下多类目标的分类正确率。
-
公开(公告)号：CN110245608A
公开(公告)日：2019-09-17
申请号：CN201910513322.9
申请日：2019-06-14
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于半张量积神经网络的水下目标识别方法，通过水下声呐传感器接收水下声信号，将声信号的时域及频域信息通过短时傅里叶变换呈现在LOFAR图谱中；以LOFAR图谱样本作为输入特征矩阵构建将数据样本半张量积神经网络；将接收到的水下声信号分为训练集和验证集，输入半张量积神经网络进行训练和验证；通过选取不同的超参数，用训练集对半张量积神经网络进行模型训练，对比验证集的测试效果，确定测试准确率高的超参数；最终将当前采集到的水下目标的声信号输入模型训练后的半张量积神经网络，给出判别结果。本发明能够提高水下目标识别率，拓展应用场景，适用于在复杂的海洋环境噪声中识别水下目标。
-
公开(公告)号：CN110245608B
公开(公告)日：2022-05-17
申请号：CN201910513322.9
申请日：2019-06-14
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于半张量积神经网络的水下目标识别方法，通过水下声呐传感器接收水下声信号，将声信号的时域及频域信息通过短时傅里叶变换呈现在LOFAR图谱中；以LOFAR图谱样本作为输入特征矩阵构建将数据样本半张量积神经网络；将接收到的水下声信号分为训练集和验证集，输入半张量积神经网络进行训练和验证；通过选取不同的超参数，用训练集对半张量积神经网络进行模型训练，对比验证集的测试效果，确定测试准确率高的超参数；最终将当前采集到的水下目标的声信号输入模型训练后的半张量积神经网络，给出判别结果。本发明能够提高水下目标识别率，拓展应用场景，适用于在复杂的海洋环境噪声中识别水下目标。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
