水聲目標(biāo)智能感知方法

第1章 緒論
1．1 引言
1．1．1 基于深度學(xué)習(xí)的水聲目標(biāo)感知
1．1．2 多節(jié)點(diǎn)協(xié)同水聲目標(biāo)智能感知
1．2 本書(shū)結(jié)構(gòu)
1．3 相關(guān)知識(shí)
1．3．1 目標(biāo)輻射噪聲
1．3．2 海洋環(huán)境背景噪聲
1．3．3 深度學(xué)習(xí)
1．3．4 水下無(wú)線傳感器網(wǎng)絡(luò)發(fā)展歷程
1．4 國(guó)內(nèi)外研究現(xiàn)狀
1．4．1 水聲信號(hào)數(shù)據(jù)預(yù)處理方法研究現(xiàn)狀
1．4．2 特征提取方法研究現(xiàn)狀
1．4．3 水聲目標(biāo)識(shí)別分類模型研究現(xiàn)狀
1．4．4 水下無(wú)線傳感器網(wǎng)絡(luò)部署與組網(wǎng)研究現(xiàn)狀
1．4．5 水下無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)存取研究現(xiàn)狀
1．4．6 水下無(wú)線傳感器網(wǎng)絡(luò)性能分析研究現(xiàn)狀
第2章 水聲信號(hào)抗噪表示與數(shù)據(jù)擴(kuò)充方法
2．1 引言
2．2 相關(guān)知識(shí)
2．3 ia-PNCC的水下目標(biāo)噪聲特征提取
2．3．1 多級(jí)正交窗代替漢明窗
2．3．2 對(duì)水聲信號(hào)舍棄預(yù)加重處理
2．3．3 Gammatone濾波器組歸一化
2．4 對(duì)稱學(xué)習(xí)數(shù)據(jù)擴(kuò)充模型
2．4．1 模型設(shè)計(jì)與訓(xùn)練
2．4．2 相似-重合損失函數(shù)
2．5 試驗(yàn)與結(jié)果分析
2．5．1 試驗(yàn)設(shè)置
2．5．2 基于ia-PNCC處理的數(shù)據(jù)試驗(yàn)與分析
2．5．3 對(duì)稱學(xué)習(xí)數(shù)據(jù)擴(kuò)充模型試驗(yàn)與結(jié)果分析
第3章 基于位置與通道信息的卷積優(yōu)化方法
3．1 引言
3．2 背景知識(shí)
3．3 特征加權(quán)的卷積優(yōu)化方法
3．3．1 特征圖加權(quán)構(gòu)建過(guò)程
3．3．2 特征位置權(quán)值計(jì)算方法
3．3．3 特征空間權(quán)重計(jì)算方法
3．4 試驗(yàn)與結(jié)果分析
3．4．1 試驗(yàn)設(shè)置
3．4．2 LoFAR譜分析
3．4．3 特征提取所用網(wǎng)絡(luò)模型
3．4．4 結(jié)果及分析
第4章 基于注意力機(jī)制的水聲信號(hào)分類卷積神經(jīng)網(wǎng)絡(luò)模型
4．1 引言
4．2 問(wèn)題描述
4．3 基于注意力機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)
4．3．1MFCC的數(shù)據(jù)拼接
4．3．2 卷積神經(jīng)網(wǎng)絡(luò)池化操作分析
4．3．3 基于注意力機(jī)制卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)改進(jìn)
4．4 試驗(yàn)與結(jié)果分析
4．4．1 試驗(yàn)數(shù)據(jù)集
4．4．2 對(duì)卷積網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整的試驗(yàn)
4．4．3 特征提取及試驗(yàn)結(jié)果比較
第5章 基于聚類的水聲信號(hào)增量集成分類方法
5．1 引言
5．2 問(wèn)題描述
5．3 基于聚類的增量學(xué)習(xí)方法
5．3．1 增量負(fù)相關(guān)差異表示方法
5．3．2 聚類選擇性負(fù)相關(guān)集成方法
5．4 試驗(yàn)與結(jié)果分析
……
第6章 水下無(wú)線傳感器網(wǎng)絡(luò)立體交叉部署與自主組網(wǎng)方法
第7章 基于引導(dǎo)圖的水下無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)自主存取機(jī)制
第8章 水下無(wú)線傳感器網(wǎng)絡(luò)整體性能四測(cè)度模型與網(wǎng)絡(luò)優(yōu)化方法
第9章 基于水下無(wú)線傳感器網(wǎng)絡(luò)的多節(jié)點(diǎn)協(xié)同目標(biāo)發(fā)現(xiàn)計(jì)算模型
第10章 基于聲線的多節(jié)點(diǎn)協(xié)同目標(biāo)定位跟蹤
參考文獻(xiàn)