掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
水聲目標智能感知方法 版權信息
- ISBN：9787118126983
- 條形碼：9787118126983 ; 978-7-118-12698-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
水聲目標智能感知方法 內容簡介
本書共10章，主體內容分為兩部分，從基于深度學習的感知和多節點協同感知兩個部分探討水聲目標智能感知方法。利用深度學習對聲納采集的水聲信號及其變化進行探索性分析，具體是基于卷積神經網絡結構構建適合水聲信號分析的矢量化表示、辨識特征提取、辨識模型設計與信號分類識別等方法，實現在復雜的水下噪聲環境中感知辨識目標，并論述了采用多個節點對水聲目標進行協同感知的方法。
水聲目標智能感知方法 目錄
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 多節點協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 海洋環境背景噪聲
1．3．3 深度學習
1．3．4 水下無線傳感器網絡發展歷程
1．4 國內外研究現狀
1．4．1 水聲信號數據預處理方法研究現狀
1．4．2 特征提取方法研究現狀
1．4．3 水聲目標識別分類模型研究現狀
1．4．4 水下無線傳感器網絡部署與組網研究現狀
1．4．5 水下無線傳感器網絡數據存取研究現狀
1．4．6 水下無線傳感器網絡性能分析研究現狀
第2章 水聲信號抗噪表示與數據擴充方法
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 對稱學習數據擴充模型
2．4．1 模型設計與訓練
2．4．2 相似-重合損失函數
2．5 試驗與結果分析
2．5．1 試驗設置
2．5．2 基于ia-PNCC處理的數據試驗與分析
2．5．3 對稱學習數據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化方法
3．1 引言
3．2 背景知識
3．3 特征加權的卷積優化方法
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網絡模型
4．1 引言
4．2 問題描述
4．3 基于注意力機制的卷積神經網絡
4．3．1MFCC的數據拼接
4．3．2 卷積神經網絡池化操作分析
4．3．3 基于注意力機制卷積神經網絡的結構改進
4．4 試驗與結果分析
4．4．1 試驗數據集
4．4．2 對卷積網絡結構調整的試驗
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 水下無線傳感器網絡立體交叉部署與自主組網方法
第7章 基于引導圖的水下無線傳感器網絡數據自主存取機制
第8章 水下無線傳感器網絡整體性能四測度模型與網絡優化方法
第9章 基于水下無線傳感器網絡的多節點協同目標發現計算模型
第10章 基于聲線的多節點協同目標定位跟蹤
參考文獻
1．1 引言
1．1．1 基于深度學習的水聲目標感知
1．1．2 多節點協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 海洋環境背景噪聲
1．3．3 深度學習
1．3．4 水下無線傳感器網絡發展歷程
1．4 國內外研究現狀
1．4．1 水聲信號數據預處理方法研究現狀
1．4．2 特征提取方法研究現狀
1．4．3 水聲目標識別分類模型研究現狀
1．4．4 水下無線傳感器網絡部署與組網研究現狀
1．4．5 水下無線傳感器網絡數據存取研究現狀
1．4．6 水下無線傳感器網絡性能分析研究現狀
第2章 水聲信號抗噪表示與數據擴充方法
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 對稱學習數據擴充模型
2．4．1 模型設計與訓練
2．4．2 相似-重合損失函數
2．5 試驗與結果分析
2．5．1 試驗設置
2．5．2 基于ia-PNCC處理的數據試驗與分析
2．5．3 對稱學習數據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化方法
3．1 引言
3．2 背景知識
3．3 特征加權的卷積優化方法
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網絡模型
4．1 引言
4．2 問題描述
4．3 基于注意力機制的卷積神經網絡
4．3．1MFCC的數據拼接
4．3．2 卷積神經網絡池化操作分析
4．3．3 基于注意力機制卷積神經網絡的結構改進
4．4 試驗與結果分析
4．4．1 試驗數據集
4．4．2 對卷積網絡結構調整的試驗
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 水下無線傳感器網絡立體交叉部署與自主組網方法
第7章 基于引導圖的水下無線傳感器網絡數據自主存取機制
第8章 水下無線傳感器網絡整體性能四測度模型與網絡優化方法
第9章 基于水下無線傳感器網絡的多節點協同目標發現計算模型
第10章 基于聲線的多節點協同目標定位跟蹤
參考文獻
展開全部
書友推薦
- >
詩經-先民的歌唱
- >
山海經
- >
史學評論
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
【精裝繪本】畫給孩子的中國神話
- >
隨園食單
- >
龍榆生：詞曲概論/大家小書
- >
莉莉和章魚
本類暢銷
