泰州噪音检测上门 CMA机构出具法律效力报告

提出了一种以 MFCC 作为输入的海洋噪声分类和识别系统，能够对来自鲸目动物、鱼类、海洋无脊椎动物、人为声音、自然声音和被动声学海洋噪声记录的未识别海洋声音进行分类。Meier谱与一阶和二阶导数连接起来，以增加特征的输入位数，并使用循环神经网络进行识别。

将迁移学习引入石斑鱼声音分类，并证明迁移学习具有良好的识别精度引入了卷积神经网络来进行水声信号的多目标识别。证明，使用振幅短时傅立叶变换12 (STFT)、复值 STFT 谱和 log-mel 谱作为网络输入可以有效识别多目标信号。

自主水下机器人上的计算芯片往往无法承受高算力，因此开发简单的高性能网络也成为困难之一。

为了提高识别网络的有效性，可以在图像识别中采用数据增强。本文提出了一种基于卷积神经网络的深度学习解决方案，以改进数据增强和网络决策层，以利用特征融合提高网络识别精度。为了探索最佳的水声信号特征，将原始音频信号、MFCC 和不同的融合特征作为 CNN 网络的输入进行比较。为了验证网络的泛化性，将完成的训练网络应用于新的数据集DeepShip，取得了更好的结果。