《表7 BP神经网络对经水声信道后信号的分类结果》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于时频特征的抹香鲸Click与传统声呐信号的分类方法》
对3 200个经过水声信道后的接收信号按照图3所述实验过程再次进行实验。表7和表8分别列出了BP神经网络和SVM分类器混淆矩阵的平均值和平均分类正确率。从表中看出,BP神经网络和SVM对Click和CW的分类效果没有大幅变化,但对LFM和HFM的分类效果明显下降。BP神经网络几乎是对经水声信道后的LFM和HFM信号进行了随机分类。这主要是由于受信道影响后,LFM和HFM信号出现严重的时间扩展,产生了锯齿状的信号重叠现象,影响时频特征提取算法对信号瞬时频率的估计,导致算法无法准确提取原信号时频脊的斜率或曲率细节变化等特征,但这种影响仅体现在这两类信号之间。除此之外,BP神经网络仍能准确分类Click和CW信号,平均分类正确率分别达到96.88%和92.65%。这是由于同LFM和HFM信号相比,Click和CW信号频率变化更平稳,信道对其时频变化影响较小。
图表编号 | XD00111122200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 卜令冉、华波、蒋佳佳、颜晗、段发阶、王宪全、李春月、孙中波 |
绘制单位 | 天津大学精密测试技术及仪器国家重点实验室、中国船舶工业系统工程研究院、天津大学精密测试技术及仪器国家重点实验室、中国船舶工业系统工程研究院、天津大学精密测试技术及仪器国家重点实验室、天津大学精密测试技术及仪器国家重点实验室、天津大学精密测试技术及仪器国家重点实验室、天津大学精密测试技术及仪器国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |