[发明专利]一种基于深度学习的水声信号检测方法及系统

权利要求书

1.一种基于深度学习的水声信号检测方法，包括以下特征：

步骤S1、信号降噪处理；

步骤S2、信号增强处理；

步骤S3、信号变换处理，利用增强处理后的信号分别生成不同的谱图，包括频谱图和/或倒谱图和/或时域图和/或语谱图(时频谱图)中的一个或多个；

步骤S4、将所述步骤S3变换后的一个或多个谱图输入利用经过训练后的深度学习模型进行识别，输出识别结果。

2.根据权利要求1所述的一种基于深度学习的水声信号检测方法，包括以下特征：所述步骤S1中的降噪方法为：LMS自适应滤波器降噪、LMS自适应陷波器降噪、维纳滤波降噪中的一项或多项。

3.根据权利要求1所述的一种基于深度学习的水声信号检测方法，包括以下特征：所述S2包括：分别通过高通滤波和低通滤波得到高频信号和低频信号，仅对获得的低频信号进行增强处理，获得增强后的低频信号，将高频信号叠加至增强后的低频信号，得到增强后的信号。

4.根据权利要求1所述的一种基于深度学习的水声信号检测方法，包括以下特征：所述S3包括：所述谱图具包括但不限于梅尔频率倒谱图(MFCC)，伽马通频率倒谱图(GFCC)，线性预测倒谱图(LFCC)，树皮频率倒谱图(BFCC)，功率归一化倒频谱图(PNCC)中的一项或多项。

5.根据权利要求1所述的一种基于深度学习的水声信号检测方法，包括以下特征：所述S4包括：所述深度学习模型包含有输入层、一个或多个隐含层、输出层。

6.一种基于深度学习的水声信号检测系统，包括以下特征：包括以下单元模块：

信号降噪处理单元，用于完成信号的降噪处理；

信号增强处理单元，用于对降噪后的信号进行进一步的信号增强；

信号变换处理单元，用于利用增强处理后的信号分别生成不同的谱图，包括频谱图和/或倒谱图和/或时域图和/或语谱图(时频谱图)中的一个或多个；

识别输出单元，用于将所述信号变换处理单元变换后的一个或多个谱图输入利用经过训练后的深度学习模型进行识别，输出识别结果。

7.根据权利要求6所述的一种基于深度学习的水声信号检测系统，包括以下特征：所述信号降噪处理单元中的降噪方法为：LMS自适应滤波器降噪、LMS自适应陷波器降噪、维纳滤波降噪中的一项或多项。

8.根据权利要求6所述的一种基于深度学习的水声信号检测系统，包括以下特征：所述信号增强处理单元分别通过高通滤波和低通滤波得到高频信号和低频信号，仅对获得的低频信号进行增强处理，获得增强后的低频信号，将高频信号叠加至增强后的低频信号，得到增强后的信号。

9.根据权利要求6所述的一种基于深度学习的水声信号检测系统，包括以下特征：所述信号变换处理单元中的所述谱图具包括但不限于梅尔频率倒谱图(MFCC)，伽马通频率倒谱图(GFCC)，线性预测倒谱图(LFCC)，树皮频率倒谱图(BFCC)，功率归一化倒频谱图(PNCC)中的一项或多项。

10.根据权利要求6所述的一种基于深度学习的水声信号检测系统，包括以下特征：所述识别输出单元中的所述深度学习模型包含有输入层、一个或多个隐含层、输出层。