基于深度學(xué)習(xí)的人工智能在語(yǔ)音識(shí)別技術(shù)取得了突破性的進(jìn)展,為被動(dòng)聲吶目標(biāo)分類提供了新思路。該文提出一種將一維卷積神經(jīng)網(wǎng)絡(luò)與長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)融合的深度學(xué)習(xí)分類模型(Conv-LSTM),提取了被動(dòng)聲吶目標(biāo)聽(tīng)覺(jué)感知特征——梅爾頻率倒譜系數(shù)(MFCC),并將特征輸入模型提取深度特征進(jìn)行目標(biāo)分類。試驗(yàn)結(jié)果表明,該模型相較卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)具有更高的識(shí)別率。

【文章頁(yè)數(shù)】：5 頁(yè)


本文編號(hào)：3779241