欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023106179349
申请人: 苏州大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种水声多目标识别方法,其特征在于,包括:

获取训练集中的水声音频信号,并获取所述水声音频信号的时域信号和频域信号;

基于所述水声音频信号的时域信号和频域信号计算所述水声音频信号的探测特征,得到探测特征向量;其具体包括:分别计算所述水声音频信号的时域信号集中每帧时域信号的时域特征;

使用统计函数对所述每帧时域信号的时域特征进行统计,得到所述水声音频信号的时域特征向量;其中,所述时域特征包括过零率、短时能量、短时自相关函数;

分别计算所述水声音频信号的频域信号集中每帧频域信号的频域特征;

使用统计函数对所述每帧频域信号的频域特征进行统计,得到所述水声音频信号的频域特征向量;其中,所述频域特征包括梅尔倒谱系数、频谱宽度、频谱差分幅度;

将所述时域特征向量与所述频域特征向量组合作为探测特征向量;其中,所述探测特征包括所述水声音频信号的时域特征、频域特征、时频特征;

将所述探测特征向量输入至第一分类器进行训练,得到训练好的第一分类器;

基于所述水声音频信号的时域信号和频域信号计算所述水声音频信号的识别特征,得到识别特征向量;其具体包括:基于所述水声音频信号的时域信号集和所述频域信号集,分别计算每帧水声音频信号的时频特征;

利用统计函数分别对所述每帧水声音频信号的时频特征进行统计,得到时频特征向量,将所述时频特征向量作为识别特征向量;

其中,所述时频特征包括谱偏态系数、光谱峰度、光谱清晰度和频谱质心,所述识别特征包括所述探测特征中未包含的所述水声音频信号的时域特征、频域特征、时频特征;

将所述识别特征向量输入至第二分类器进行训练,得到训练好的第二分类器;

基于所述训练好的第一分类器和所述训练好的第二分类器构建水声多目标识别模型。

2.根据权利要求1所述的水声多目标识别方法,其特征在于,所述获取训练集中的水声音频信号,并获取所述水声音频信号的时域信号和频域信号包括:获取水声音频信号,并对所述水声音频信号进行分帧处理;

分别获取每帧水声音频信号的时域信号和频域信号,得到所述水声音频信号的时域信号集和频域信号集。

3.根据权利要求1所述的水声多目标识别方法,其特征在于,所述统计函数包括最大值函数、最小值函数、标准差函数、平均值函数。

4.根据权利要求1所述的水声多目标识别方法,其特征在于,所述将所述探测特征向量输入至第一分类器进行训练,得到训练好的第一分类器包括:将所述探测特征向量输入至第一分类器进行训练,直到二分类任务交叉熵损失函数达到最小,得到训练好的第一分类器;

其中,所述二分类任务交叉熵损失函数为:

,

其中,是预测结果为正样本的概率,为样本标签,正样本为1,负样本为0。

5.根据权利要求1所述的水声多目标识别方法,其特征在于,将所述识别特征向量输入至第二分类器进行训练,得到训练好的第二分类器包括:将所述识别特征向量输入至第二分类器进行训练,直到多分类任务交叉熵损失函数达到最小,得到训练好的第二分类器;

其中,所述多分类任务交叉熵损失函数为:

,

其中,为类别数量,表示样本标签,若样本类别为,则,否则,;为预测结果类别为的概率。

6.根据权利要求1所述的水声多目标识别方法,其特征在于,所述基于所述训练好的第一分类器和所述训练好的第二分类器构建水声多目标识别模型后还包括:获取测试集中的水声音频信号,并计算所述水声音频信号的探测特征向量,将所述探测特征向量输入至所述水声多目标识别模型中的第一分类器进行分类;

根据分类结果判断所述水声音频信号是否存在对应的水声目标,若存在,则将所述水声音频信号作为目标水声音频信号;

计算所述目标水声音频信号的识别特征向量,并将所述识别特征向量输入至所述水声多目标识别模型中的第二分类器进行分类,以判断所述目标水声音频信号对应的水声目标类型。

7.一种水声多目标识别装置,其特征在于,包括:

信号获取模块,用于获取训练集中的水声音频信号,并获取所述水声音频信号的时域信号和频域信号;

探测特征提取模块,用于基于所述水声音频信号的时域信号和频域信号计算所述水声音频信号的探测特征,得到探测特征向量;其具体包括:分别计算所述水声音频信号的时域信号集中每帧时域信号的时域特征;

使用统计函数对所述每帧时域信号的时域特征进行统计,得到所述水声音频信号的时域特征向量;其中,所述时域特征包括过零率、短时能量、短时自相关函数;

分别计算所述水声音频信号的频域信号集中每帧频域信号的频域特征;

使用统计函数对所述每帧频域信号的频域特征进行统计,得到所述水声音频信号的频域特征向量;其中,所述频域特征包括梅尔倒谱系数、频谱宽度、频谱差分幅度;

将所述时域特征向量与所述频域特征向量组合作为探测特征向量;其中,所述探测特征包括所述水声音频信号的时域特征、频域特征、时频特征;

第一分类模块,用于将所述探测特征向量输入至第一分类器进行训练得到训练好的第一分类器;

识别特征提取模块,用于基于所述水声音频信号的时域信号和频域信号计算所述水声音频信号的识别特征,得到识别特征向量;其具体包括:基于所述水声音频信号的时域信号集和所述频域信号集,分别计算每帧水声音频信号的时频特征;

利用统计函数分别对所述每帧水声音频信号的时频特征进行统计,得到时频特征向量,将所述时频特征向量作为识别特征向量;

其中,所述时频特征包括谱偏态系数、光谱峰度、光谱清晰度和频谱质心,所述识别特征包括所述探测特征中未包含的所述水声音频信号的时域特征、频域特征、时频特征;

第二分类模块,用于将所述识别特征向量输入至第二分类器进行训练,得到训练好的第二分类器;

模型构建模块,用于基于所述训练好的第一分类器和所述训练好的第二分类器构建水声多目标识别模型。

8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一项所述的水声多目标识别方法的步骤。