基于双对数谱和卷积网络的船舶辐射噪声分类.docx

"基于双对数谱和卷积网络的船舶辐射噪声分类" 本文提出了一种基于双对数谱和卷积网络的船舶辐射噪声分类方法。通过分析现有的船舶辐射噪声分类方法，发现当前方法存在一些问题，例如直接使用MFCC特征会丢失信息，Gammatone滤波器组初始化的CNN会增加过拟合的风险等。同时，使用对数频率坐标可以解决这些问题，但是当前的方法也存在一些缺陷，例如对数坐标下的同源特征尺度不变，但是线性频率坐标下的同源特征尺度会变化，导致CNN的卷积核难以检测同源特征。 本文提出了一种双对数谱方法，通过将分辨率很高的对数谱频点排列成矩阵，以此作为网络输入，可以兼顾保留信息和控制CNN的深度及参数规模。同时，设计了一种集成卷积网络（Aggregating CNN, ACNN），使各行输入共享网络参数。进一步地，在损失函数中加入深层特征距离损失作为约束惩罚项，提高了分类正确率。 本文的主要贡献在于：（1）提出了一种双对数谱方法，解决了当前方法的缺陷；（2）设计了一种集成卷积网络（Aggregating CNN, ACNN），提高了分类正确率；（3）使用对数频率坐标解决了同源特征尺度不变的问题。 本文的技术路线图为： （1）引言：介绍船舶辐射噪声分类的重要性和挑战性，并review了当前的船舶辐射噪声分类方法。 （2）模型设计：设计了一种基于双对数谱和卷积网络的船舶辐射噪声分类模型，包括双对数谱的提出和集成卷积网络（Aggregating CNN, ACNN）的设计。 （3）模型解释：解释了双对数谱和集成卷积网络（Aggregating CNN, ACNN）的工作原理，并分析了其优越性。 （4）实验结果：展示了基于双对数谱和卷积网络的船舶辐射噪声分类模型的实验结果，证明了其优越性。 （5）结论：总结了本文的贡献，并讨论了未来的研究方向。 关键词：船舶辐射噪声分类、双对数谱、卷积网络、集成卷积网络、对数频率坐标。