基于卷积神经网络的鲸鱼叫声分类研究

发布时间：2022-10-09 12:19

　　水下目标识别一直是水声信号处理领域的重要研究内容,其中包括对海洋生物信号的研究。海洋哺乳动物叫声的研究对于海洋生态环境的监测与仿生研究都有着重要的意义。本文以四种鲸目动物低频叫声信号作为研究对象,利用深度卷积神经网络对目标进行特征提取和分类识别,并与以梅尔倒谱系数为特征,支持向量机和随机森林为分类器的传统水下目标分类模型进行对比,进而分析深度学习方法的特点和优势。论文的主要完成工作如下:首先介绍了水下目标识别的背景以及基本的理论知识。从特征提取和分类器设计两个角度简述了水下目标识别技术的发展历程。重点介绍了深度学习技术的发展历史以及在水下目标识别领域的初步探索。分析了鲸目动物低频叫声信号的参数模型,研究了基于梅尔倒谱系数的水下信号特征提取方法。从时频分析的角度讨论了线调频小波变换在分析鲸类叫声信号的优势,并引入一种线调频小波变换的快速算法。结合实测四类鲸鱼叫声数据,分别提取并对比了四种鲸类叫声信号的Mel谱图和Chirplet谱图。作为深度卷积神经网络分类模型的对比模型,对支持向量机和随机森林这两种传统的机器学习算法进行简要的介绍。其次介绍了一维,二维两种卷积神经网络的结构组成以及网络... 

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

四类鲸鱼外形图

Mel频率与实际频率的关系

Mel滤波器组的幅频响应


本文编号：3688625