水聲目標智慧型感知方法

內容簡介

　《水聲目標智慧型感知方法》從兩個方面開展水聲目標感知研究，一方面，基於深度學習具有從大體量低價值數據中尋找模糊稀疏特性的天然優勢，及其在處理非線性問題上顯示出巨大的潛力，通過建立合適的深度學習算法對水聲信號進行分析處理來辨識判斷目標：另一方面，通過多水聲感測器節點部署與自主組網、自動事件發現和數據傳遞、多節點自主協同目標探測發現和定位，實現基於水下無線感測器網路的水聲目標感知。書中內容豐富，層次分明，學術水平高，模型方法具有獨創性，在水聲目標感知、探測和識別的基礎研究上具有重要的理論價值和實踐意義。

　　《水聲目標智慧型感知方法》可作為高等院校海洋目標感知、探測與識別專業以及人工智慧專業師生的參考書，對從事水聲信息處理和人工智慧等研究的科研人員，以及在此領域內從事生產、實驗和套用的技術人員應具有一定的參考價值。

圖書目錄

第1章緒論

1．1 引言

1．1．1 基於深度學習的水聲目標感知

1．1．2 多節點協同水聲目標智慧型感知

1．2 本書結構

1．3 相關知識

1．3．1 目標輻射噪聲

1．3．2 海洋環境背景噪聲

1．3．3 深度學習

1．3．4 水下無線感測器網路發展歷程

1．4 國內外研究現狀

1．4．1 水聲信號數據預處理方法研究現狀

1．4．2 特徵提取方法研究現狀

1．4．3 水聲目標識別分類模型研究現狀

1．4．4 水下無線感測器網路部署與組網研究現狀

1．4．5 水下無線感測器網路數據存取研究現狀

1．4．6 水下無線感測器網路性能分析研究現狀

第2章水聲信號抗噪表示與數據擴充方法

2．1 引言

2．2 相關知識

2．3 ia-PNCC的水下目標噪聲特徵提取

2．3．1 多級正交窗代替漢明窗

2．3．2 對水聲信號捨棄預加重處理

2．3．3 Gammatone濾波器組歸一化

2．4 對稱學習數據擴充模型

2．4．1 模型設計與訓練

2．4．2 相似-重合損失函式

2．5 試驗與結果分析

2．5．1 試驗設定

2．5．2 基於ia-PNCC處理的數據試驗與分析

2．5．3 對稱學習數據擴充模型試驗與結果分析

第3章基於位置與通道信息的卷積最佳化方法

3．1 引言

3．2 背景知識

3．3 特徵加權的卷積最佳化方法

3．3．1 特徵圖加權構建過程

3．3．2 特徵位置權值計算方法

水聲目標智慧型感知方法

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條