Page 101 - 《应用声学》2021年第5期

第 40 卷 第 5 期 Vol. 40, No. 5
2021 年 9 月 Journal of Applied Acoustics September, 2021

⋄ 研究报告 ⋄

基于DEMON谱和LSTM网络的水下运动目标

噪声基频检测 ∗

卢佳敏 1,2,3 宋三明 1,2† 景 严 1,2 张 瑶 1,2 谷 浪 1,2
鲁 帆 4 胡志强 1,2 李 硕 1,2

(1 中国科学院沈阳自动化研究所 机器人学国家重点实验室 沈阳 110016)
(2 中国科学院机器人与智能制造创新研究院 沈阳 110169)
(3 中国科学院大学 北京 100049)
(4 中国科学院声学研究所 北京 100190)

摘要：传统的船舶辐射噪声基频检测方法不仅依赖大量的先验知识，而且对背景噪声非常敏感。为了提高目
标识别的稳定性和精确性，该文提出了一种基于深度神经网络的基频检测算法。首先从多通道水听器信号中
提取 DEMON 谱，然后直接将二维谱特征矩阵输入由卷积神经网络和长短时记忆网络构成的级联网络，最后
通过稠密层输出实现对基频的估计。仿真和外场实验结果初步表明：深度网络能够实现无先验知识和不同
信噪比条件下的基频检测，具有良好的泛化性能。长短时记忆网络能够高效地从时序 DEMON 谱中提取统
计特征，提高基频估计精度。输入信号的时间长短会影响网络的检测精度，更长时间的信号能够获得更好的
检测结果。
关键词：基频；深度网络；长短时记忆网络；卷积神经网络；水听器阵列；水下目标噪声
中图法分类号: TB566 文献标识码: A 文章编号: 1000-310X(2021)05-0745-09
DOI: 10.11684/j.issn.1000-310X.2021.05.013

Fundamental frequency detection of underwater target noises using DEMON
spectrum and LSTM network

LU Jiamin 1,2,3 SONG Sanming 1,2 JING Yan 1,2 ZHANG Yao 1,2 GU Lang 1,2

LU Fan 4 HU Zhiqiang 1,2 LI Shuo 1,2
(1 State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences,
Shenyang 110016, China)
(2 Institutes for Robotics and Intelligent Manufacturing, Chinese Academy of Sciences, Shenyang 110169, China)
(3 University of Chinese Academy of Sciences, Beijing 100049, China)
(4 Institute of Acoustics, Chinese Academy of Sciences, Beijing 100190, China)

Abstract: The traditional fundamental frequency(F0) detection methods not only rely on prior knowledge,
but also are very sensitive to ambient noises. In this paper, a fundamental frequency detection algorithm based
on deep neural network is proposed to improve the stability and accuracy of target recognition. The DEMON

2021-03-12 收稿; 2021-04-07 定稿
国家自然科学基金项目 (61973297), 中国科学院先导专项子课题 (XDC03060105), 中国科学院青年创新促进会课题 (2020209), 机器
∗
人学国家重点实验室课题 (2017-Z010)
作者简介: 卢佳敏 (1996– ), 女, 福建福州人, 硕士研究生, 研究方向: 水下噪声信号处理和水下机器人自主环境感知。
† 通信作者 E-mail: songsanming@sia.cn