一种基于MFCC特征的水下目标分类网络  

作　　者：徐晓刚 罗昕炜[1] 

机构地区：[1]东南大学水声信号处理教育部重点实验室,南京210096

出　　处：《声学与电子工程》2022年第1期25-29,33,共6页Acoustics and Electronics Engineering

摘　　要：水声目标辐射噪声特征提取和识别技术是水声目标识别的重要任务,也是水声信号处理领域的难题。鉴于梅尔滤波器中提取的听觉特征在语音识别中的广泛应用,文章基于梅尔倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)和卷积神经网络(Convolutional Neural Network,CNN)构建了一个水声信号深度分类网络。该分类网络通过MFCC特征提取方法逐帧提取舰船辐射噪声信号的梅尔倒谱系数,将其构建特征矩阵输入CNN中进行分类,构建了一个4类舰船辐射噪声样本集,并利用所提出的网络考察了不同维度下MFCC和LOFAR特征的分类性能,分析了不同类型特征和不同特征维度输入对网络分类性能的影响,可为水声分类研究相关人员提供参考。

关 键 词：水声信号 梅尔系数 目标分类 CNN 时频分析 

分 类 号：TB56[交通运输工程—水声工程]