《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。