论文摘要
针对干扰或噪声环境下水声目标信号难以获取的问题,该文提出研究基于深度神经网络的自适应水声被动信号波形恢复方法。在单阵元情况下,该方法提取对数功率谱特征作为输入,采用深度神经网络回归模型自适应学习目标信号的自身特征,输出降噪后的对数功率谱特征并还原时域波形。在多阵元情况下,提出阵列深度神经网络降噪方法,将部分或全部阵元特征拼接为长向量作为输入,从而利用空域信息。为全面利用阵列丰富的时频域信息,该文提出一种两阶段特征融合深度神经网络,在第一阶段将阵列分为若干个子阵,将每个子阵分别用阵列深度神经网络进行处理,在第二阶段将第一阶段的各子阵处理结果与阵列接收信号同时输入一个深度神经网络进行融合学习。实验表明,所提出的单阵元和两阶段融合深度神经网络取得了显著优于常规波束形成的恢复结果,能够准确估计目标信号波形和功率并显著提高输出信噪比。
论文目录
文章来源
类型: 期刊论文
作者: 王全东,郭良浩,闫超
关键词: 水声被动降噪,深度神经网络,阵列处理,特征映射
来源: 应用声学 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑,基础科学,信息科技
专业: 海洋学,自动化技术
单位: 中国科学院声学研究所声场声信息国家重点实验室,中国科学院大学
基金: 国家自然科学基金项目(61571436)
分类号: P733.2;TP183
页码: 1004-1014
总页数: 11
文件大小: 1493K
下载量: 168