[发明专利]一种舰船辐射噪声数据集的构建方法

说明书

一种舰船辐射噪声数据集的构建方法，它属于水声信号识别领域。本发明解决了实采舰船辐射噪音样本稀缺的问题。本发明根据现有的舰船辐射噪声数据实采样本，利用仿真技术生成符合实际需要的舰船辐射噪声，将仿真舰船辐射噪声和实采的海洋噪声一起作为原始噪声数据集，将LOFAR谱用于预处理，保留关键特征，最后用GAN实现样本扩展，从而获得更多的数据集来满足深度学习大数据量的需求。本发明可以应用于对舰船辐射噪声数据集的构建。

技术领域

本发明属于水声信号识别领域，具体涉及一种舰船辐射噪声数据集的构建方法。

背景技术

近年来，深度学习相关技术在图像雷达、声纳等应用领域已经取得了迅猛的应用发展，并且在许多应用领域都做出了重大贡献。在一些特殊的领域，如水声信号识别领域，出于对安全问题的考虑，训练数据集可能会很匮乏。水下目标识别领域因为保密及安全性等方面的原因，数据集的采集和制作较为困难，同时行业内目前也缺乏统一、规范的数据集，因此实采舰船辐射噪音样本数量稀缺。由于深度学习技术需要大量数据集来保证高精度，所以数据集的缺乏会大大降低算法的性能。

发明内容

本发明的目的是为解决实采舰船辐射噪音样本稀缺的问题，而提出的一种舰船辐射噪声数据集的构建方法。

本发明为解决上述技术问题所采取的技术方案是：

一种舰船辐射噪声数据集的构建方法，所述方法具体包括以下步骤：

步骤一、建立实采海洋噪声数据的数学模型，利用建立的数学模型来模拟仿真舰船噪声数据，将实采的海洋噪声数据与模拟仿真的舰船噪声数据的集合作为原始数据集；

步骤二：将原始数据集中的声音文件放入仿真软件中来观察数值，得到原始数据集中声音文件的数据，再对声音文件的数据进行转化，得到声音文件的波形图谱；

步骤三：利用生成式对抗网络对步骤二得到的波形图谱进行扩展，获得扩展出的波形图谱；

步骤四：根据扩展出的波形图谱获得扩展出的数据集，将扩展出的数据集和原始数据集的集合作为舰船辐射噪声数据集。

本发明的有益效果是：本发明提出了一种舰船辐射噪声数据集的构建方法，本发明根据现有的舰船辐射噪声数据实采样本，利用仿真技术生成符合实际需要的舰船辐射噪声，将仿真舰船辐射噪声和实采的海洋噪声一起作为原始噪声数据集，将LOFAR谱用于预处理，保留关键特征，最后用GAN实现样本扩展，从而获得更多的数据集来满足深度学习大数据量的需求，克服了实采舰船辐射噪音样本稀缺的问题。

附图说明

图1是模拟的拟合噪声波形图；

图2(a)是Audio图谱；

图2(b)是DEMON图谱；

图2(c)是LOFAR图谱；

图2(d)是Histogram图谱；

图3是GAN算法的流程图。

具体实施方式

具体实施方式一、本实施方式所述的一种舰船辐射噪声数据集的构建方法，所述方法具体包括以下步骤：

步骤一、建立实采海洋噪声数据的数学模型，利用建立的数学模型来模拟仿真舰船噪声数据，将实采的海洋噪声数据与模拟仿真的舰船噪声数据的集合作为原始数据集；

实采的海洋噪声数据与模拟仿真的舰船噪声数据均是原始数据集中的声音文件；

利用LSTM和CNN网络对声音文件进行特征提取，校验所得到的音频的准确率和缺失率，以检测原始数据集的准确性；其具体过程为：