镇江噪音检测上门 CMA机构出具法律效力报告

为了解决这些问题，人们提出了各种信号处理方法来提取水声信号的特征，包括LOFAR谱、Meier标量谱图、Meier倒谱系数(MFCC)和Hilbert-Huang变换特征。随着深度学习的发展，基于这些方法的特征已被用来开发船舶信号识别模型。然而，现有的水声数据集有限，不同的识别方法主要竞争小样本问题，必须具有更强的泛化性。

有学者将原始音频直接输入神经网络进行识别。将原始音频输入CNN网格层，提高网络的泛化能力。开发了一种听觉启发的卷积神经网络，结合多尺度扩展以增强其泛化能力。

更多学者使用光谱特征作为网络的输入，研究方向转向特征增强和小样本学习问题。