本文分析了卷积神经网络的结构原理以及学习方法，给出了舰船噪声低频线谱波形、海洋频谱曲线以及线谱信号波形曲线。对船舶目标噪声进行提取和分类，得到了舰船目标噪声特征响应曲线和噪声信号特征值分布图。本文研究有助于舰船目标噪声处理技术的进一步发展。
This article analyzes the structural principles and learning methods of convolutional neural networks, and provides low-frequency line spectrum waveforms of ship noise, ocean spectrum curves, and line spectrum signal waveform curves. Finally, the ship target noise was extracted and classified, and the ship target noise feature response curve and noise signal feature value distribution map were obtained. The research in this article contributes to the further development of ship target noise processing technology.
2023,45(20): 194-197 收稿日期：2023-3-5
DOI：10.3404/j.issn.1672-7649.2023.20.037
分类号：U664.22
基金项目：河南省高等学校重点科研项目计划 (21A520028)
作者简介：孙航(1983-),男,硕士,讲师,研究方向为计算机应用及数据分析等
参考文献：
[1] 宋爱国, 陆佶人. 基于极限环的舰船噪声信号非线性特征分析及提取[J]. 声学学报, 1999(24): 407-415.
[2] 刘洁, 陈劼, 韩冰, 等. 基于改进小波阈值去噪的深度学习水下目标分类[J]. 声学技术, 2023(42): 25-33.
[3] 魏松杰, 张泽栋, 徐臻, 等. 基于多尺寸特征叠加的SAR舰船目标检测方法[J]. 湖南大学学报, 2021(48): 80-89.
[4] 曾庆军, 王菲, 黄国建. 基于连续谱特征提取的被动声纳目标识别技术[J]. 上海交通大学学报, 2002(36): 382-386.
[5] 王升贵, 胡桥, 陈迎亮, 等. 基于深度学习的水下目标识别方法研究[J]. 舰船科学技术, 2020(42): 141-145.
[6] 李海涛, 刘振, 陈喆, 等. 融合人耳听觉特性与SAE模型的船舶辐射噪声分类方法[J]. 舰船科学技术, 2020(42): 172-176.
