摘要
本发明提供了一种基于改进压缩感知算法的水下目标轴频磁场信号识别方法,包括:采集轴频磁场数据,获取信号动态时频图;对时频图进行二维余弦变换以得到系数分布图,仅保留左上角设定范围内的系数作为稀疏域压缩系数;仿真生成轴频信号时频图样本,提取稀疏域压缩系数,训练长短时记忆循环神经网络分类识别模型;对模型进行测试优化,对步骤二中获取的稀疏域压缩系数进行分类识别;对识别后的稀疏域压缩系数进行二维余弦逆变换,重构轴频磁场时频图,提取特定时刻目标线谱特征。应用本发明的技术方案,以解决现有技术中通过人工判断和常规信号处理手段依然难以准确识别信号,无法满足水下目标高精度、高实时、自动化的探测需求的技术问题。
技术关键词
压缩感知算法
信号识别方法
神经网络分类
循环神经网络模型
短时傅里叶变换
余弦变换系数
信号识别系统
信噪比
仿真信号
图样
高频信号分量
水下探测设备
随机噪声
神经网络单元
样本
动态
背景磁场
数据
采样点
系统为您推荐了相关专利信息
电力设备
振动噪声
噪声数据
历史负荷数据
卷积神经网络模型
雷达回波数据
分类支持向量机
多域特征
短时傅里叶变换
检测器
滤除工频干扰
短时傅里叶变换
工频干扰信号
递归最小二乘算法
干扰特征