水声目标智能感知方法

第1章 绪论
1．1 引言
1．1．1 基于深度学习的水声目标感知
1．1．2 多节点协同水声目标智能感知
1．2 本书结构
1．3 相关知识
1．3．1 目标辐射噪声
1．3．2 海洋环境背景噪声
1．3．3 深度学习
1．3．4 水下无线传感器网络发展历程
1．4 国内外研究现状
1．4．1 水声信号数据预处理方法研究现状
1．4．2 特征提取方法研究现状
1．4．3 水声目标识别分类模型研究现状
1．4．4 水下无线传感器网络部署与组网研究现状
1．4．5 水下无线传感器网络数据存取研究现状
1．4．6 水下无线传感器网络性能分析研究现状
第2章 水声信号抗噪表示与数据扩充方法
2．1 引言
2．2 相关知识
2．3 ia-PNCC的水下目标噪声特征提取
2．3．1 多级正交窗代替汉明窗
2．3．2 对水声信号舍弃预加重处理
2．3．3 Gammatone滤波器组归一化
2．4 对称学习数据扩充模型
2．4．1 模型设计与训练
2．4．2 相似-重合损失函数
2．5 试验与结果分析
2．5．1 试验设置
2．5．2 基于ia-PNCC处理的数据试验与分析
2．5．3 对称学习数据扩充模型试验与结果分析
第3章 基于位置与通道信息的卷积优化方法
3．1 引言
3．2 背景知识
3．3 特征加权的卷积优化方法
3．3．1 特征图加权构建过程
3．3．2 特征位置权值计算方法
3．3．3 特征空间权重计算方法
3．4 试验与结果分析
3．4．1 试验设置
3．4．2 LoFAR谱分析
3．4．3 特征提取所用网络模型
3．4．4 结果及分析
第4章 基于注意力机制的水声信号分类卷积神经网络模型
4．1 引言
4．2 问题描述
4．3 基于注意力机制的卷积神经网络
4．3．1MFCC的数据拼接
4．3．2 卷积神经网络池化操作分析
4．3．3 基于注意力机制卷积神经网络的结构改进
4．4 试验与结果分析
4．4．1 试验数据集
4．4．2 对卷积网络结构调整的试验
4．4．3 特征提取及试验结果比较
第5章 基于聚类的水声信号增量集成分类方法
5．1 引言
5．2 问题描述
5．3 基于聚类的增量学习方法
5．3．1 增量负相关差异表示方法
5．3．2 聚类选择性负相关集成方法
5．4 试验与结果分析
……
第6章 水下无线传感器网络立体交叉部署与自主组网方法
第7章 基于引导图的水下无线传感器网络数据自主存取机制
第8章 水下无线传感器网络整体性能四测度模型与网络优化方法
第9章 基于水下无线传感器网络的多节点协同目标发现计算模型
第10章 基于声线的多节点协同目标定位跟踪
参考文献