[發(fā)明專利]一種水聲信號(hào)種類識(shí)別方法、系統(tǒng)及設(shè)備

在審

• 申請?zhí)枺?/td>: 202011021846.5
• 申請日: 2020-09-25
• 公開（公告）號(hào): CN112329523A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設(shè)計(jì)）人: 王巖
• 申請（專利權(quán)）人: 泰山學(xué)院
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 濟(jì)南譽(yù)豐專利代理事務(wù)所(普通合伙企業(yè)) 37240
• 代理人: 高強(qiáng)

1.一種水聲信號(hào)種類識(shí)別方法，基于深度密集連接神經(jīng)網(wǎng)絡(luò)，其特征在于，所述方法包括：

將水下通信傳輸?shù)亩喾N調(diào)至信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理，獲得輸入信號(hào)種類原始數(shù)據(jù)集；

確定對(duì)所述輸入信號(hào)種類原始數(shù)據(jù)集進(jìn)行處理的深度密集連接神經(jīng)網(wǎng)絡(luò)；

通過所述深度密集連接神經(jīng)網(wǎng)絡(luò)識(shí)別輸出水聲信號(hào)的種類。

2.根據(jù)權(quán)利要求1所述的水聲信號(hào)種類識(shí)別方法，其特征在于，所述確定對(duì)所述輸入信號(hào)種類原始數(shù)據(jù)集進(jìn)行處理的深度密集連接神經(jīng)網(wǎng)絡(luò)，包括：

確定所述深度密集連接神經(jīng)網(wǎng)絡(luò)的層數(shù)和每層的順序；

確定每層神經(jīng)網(wǎng)路中包含的網(wǎng)絡(luò)結(jié)構(gòu)。

3.根據(jù)權(quán)利要求2所述的水聲信號(hào)種類識(shí)別方法，其特征在于，所述深度密集連接神經(jīng)網(wǎng)絡(luò)從網(wǎng)絡(luò)輸入端到網(wǎng)絡(luò)輸出端包括：輸入層、預(yù)處理層、中間密集連接層和輸出層。

4.根據(jù)權(quán)利要求3所述的水聲信號(hào)種類識(shí)別方法，其特征在于，所述輸入層通過預(yù)設(shè)的數(shù)據(jù)調(diào)整，將所述輸入信號(hào)種類原始數(shù)據(jù)集轉(zhuǎn)換為輸入網(wǎng)絡(luò)進(jìn)行進(jìn)一步學(xué)習(xí)的輸入數(shù)據(jù)集。

5.根據(jù)權(quán)利要求3所述的水聲信號(hào)種類識(shí)別方法，其特征在于，所述預(yù)處理層包括第一Conv層和第一BN層，所述第一Conv層用于提取輸入數(shù)據(jù)集的數(shù)據(jù)特征，所述第一BN層用于在每次正向傳播期間標(biāo)準(zhǔn)化數(shù)據(jù)集分布。

6.根據(jù)權(quán)利要求3所述的水聲信號(hào)種類識(shí)別方法，其特征在于，所述中間密集連接層包括第二BN層、ReLU層和第二Conv層，所述ReLU層為非線性激活函數(shù)層，ReLU函數(shù)形式為：

ReLU層被非線性激活后，越接近x，則與特征越相關(guān)；越接近0，則相關(guān)性越??；在特征提取中，不相關(guān)的數(shù)據(jù)被直接丟棄以減少數(shù)據(jù)量。

7.根據(jù)權(quán)利要求3所述的水聲信號(hào)種類識(shí)別方法，其特征在于，所述輸出層為softmax激活功能層：

其中i代表各種類別之一，Q代表所有類別的總數(shù)。

8.根據(jù)權(quán)利要求1所述的水聲信號(hào)種類識(shí)別方法，其特征在于，所述深度密集連接神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過程中，網(wǎng)絡(luò)中的每一層僅提取部分?jǐn)?shù)據(jù)特征，隨機(jī)丟棄部分網(wǎng)絡(luò)層不會(huì)影響網(wǎng)絡(luò)的收斂。

9.一種水聲信號(hào)種類識(shí)別系統(tǒng)，基于深度密集連接神經(jīng)網(wǎng)絡(luò)，其特征在于，所述系統(tǒng)包括：

預(yù)處理模塊，用于將水下通信傳輸?shù)亩喾N調(diào)至信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理，獲得輸入信號(hào)種類原始數(shù)據(jù)集；

訓(xùn)練模塊，用于確定對(duì)所述輸入信號(hào)種類原始數(shù)據(jù)集進(jìn)行處理的深度密集連接神經(jīng)網(wǎng)絡(luò)；

識(shí)別輸出模塊，用于通過所述深度密集連接神經(jīng)網(wǎng)絡(luò)識(shí)別輸出水聲信號(hào)的種類。

10.一種設(shè)備，其特征在于，包括：

處理器；

存儲(chǔ)器，用于存儲(chǔ)計(jì)算機(jī)可執(zhí)行指令；

當(dāng)所述處理器執(zhí)行所述計(jì)算機(jī)可執(zhí)行指令時(shí)，所述處理器執(zhí)行權(quán)利要求1-8任一項(xiàng)所述的水聲信號(hào)種類識(shí)別方法，對(duì)水聲信號(hào)進(jìn)行種類識(shí)別。