基于直方图层时延神经网络的时频特征组合研究
声音
2025-03-19 v2 机器学习
音频与语音处理
摘要
尽管深度学习降低了手动特征提取的普遍性，但通过特征工程进行数据转换对于提升模型性能依然至关重要，尤其是对于水声信号。音频信号转换为时频表示的方法以及随后对这些频谱图的处理会显著影响性能。本研究展示了在直方图层时延神经网络中使用不同时频特征组合对性能的影响。我们识别出了一组最优特征，结果表明特定的特征组合优于单一数据特征。
引用
@article{arxiv.2409.13881,
title = {Investigation of Time-Frequency Feature Combinations with Histogram Layer Time Delay Neural Networks},
author = {Amirmohammad Mohammadi and Iren'e Masabarakiza and Ethan Barnes and Davelle Carreiro and Alexandra Van Dine and Joshua Peeples},
journal= {arXiv preprint arXiv:2409.13881},
year = {2025}
}
备注
6 pages, 4 figures. This work has been submitted to the IEEE for possible publication. This work has been accepted to IEEE OCEANS 2025