水聲目標智能感知方法

第1章 緒論
1．1 引言
1．1．1 基于深度學習的水聲目標感知
1．1．2 多節(jié)點協(xié)同水聲目標智能感知
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(huán)境背景噪聲
1．3．3 深度學習
1．3．4 水下無線傳感器網(wǎng)絡發(fā)展歷程
1．4 國內外研究現(xiàn)狀
1．4．1 水聲信號數(shù)據(jù)預處理方法研究現(xiàn)狀
1．4．2 特征提取方法研究現(xiàn)狀
1．4．3 水聲目標識別分類模型研究現(xiàn)狀
1．4．4 水下無線傳感器網(wǎng)絡部署與組網(wǎng)研究現(xiàn)狀
1．4．5 水下無線傳感器網(wǎng)絡數(shù)據(jù)存取研究現(xiàn)狀
1．4．6 水下無線傳感器網(wǎng)絡性能分析研究現(xiàn)狀
第2章 水聲信號抗噪表示與數(shù)據(jù)擴充方法
2．1 引言
2．2 相關知識
2．3 ia-PNCC的水下目標噪聲特征提取
2．3．1 多級正交窗代替漢明窗
2．3．2 對水聲信號舍棄預加重處理
2．3．3 Gammatone濾波器組歸一化
2．4 對稱學習數(shù)據(jù)擴充模型
2．4．1 模型設計與訓練
2．4．2 相似-重合損失函數(shù)
2．5 試驗與結果分析
2．5．1 試驗設置
2．5．2 基于ia-PNCC處理的數(shù)據(jù)試驗與分析
2．5．3 對稱學習數(shù)據(jù)擴充模型試驗與結果分析
第3章 基于位置與通道信息的卷積優(yōu)化方法
3．1 引言
3．2 背景知識
3．3 特征加權的卷積優(yōu)化方法
3．3．1 特征圖加權構建過程
3．3．2 特征位置權值計算方法
3．3．3 特征空間權重計算方法
3．4 試驗與結果分析
3．4．1 試驗設置
3．4．2 LoFAR譜分析
3．4．3 特征提取所用網(wǎng)絡模型
3．4．4 結果及分析
第4章 基于注意力機制的水聲信號分類卷積神經(jīng)網(wǎng)絡模型
4．1 引言
4．2 問題描述
4．3 基于注意力機制的卷積神經(jīng)網(wǎng)絡
4．3．1MFCC的數(shù)據(jù)拼接
4．3．2 卷積神經(jīng)網(wǎng)絡池化操作分析
4．3．3 基于注意力機制卷積神經(jīng)網(wǎng)絡的結構改進
4．4 試驗與結果分析
4．4．1 試驗數(shù)據(jù)集
4．4．2 對卷積網(wǎng)絡結構調整的試驗
4．4．3 特征提取及試驗結果比較
第5章 基于聚類的水聲信號增量集成分類方法
5．1 引言
5．2 問題描述
5．3 基于聚類的增量學習方法
5．3．1 增量負相關差異表示方法
5．3．2 聚類選擇性負相關集成方法
5．4 試驗與結果分析
……
第6章 水下無線傳感器網(wǎng)絡立體交叉部署與自主組網(wǎng)方法
第7章 基于引導圖的水下無線傳感器網(wǎng)絡數(shù)據(jù)自主存取機制
第8章 水下無線傳感器網(wǎng)絡整體性能四測度模型與網(wǎng)絡優(yōu)化方法
第9章 基于水下無線傳感器網(wǎng)絡的多節(jié)點協(xié)同目標發(fā)現(xiàn)計算模型
第10章 基于聲線的多節(jié)點協(xié)同目標定位跟蹤
參考文獻