传统的水声信号识别方法是将特征提取和分类识别分开进行处理的，影响了水声信号识别的整体性能。本文根据水声信号的特点，结合一维卷积网络（1DCNN）的卷积运算、时间平移不变性和门控循环网络(GRU)内部充分考虑时序相关性的记忆能力等优势，将一维卷积网络和门控循环网络进行串联中并对网络参数和模型结构进行优化，自适应提取特征给出分类结果，并与单独使用1DCNN和GRU网络模型的分类性能进行对比。结果表明，本文提出的网络对水声信号的识别准确率最高。
科研之友
微信
新浪微博
Facebook
分享链接
