機器學習中的船舶噪聲分類過程通常涉及將原始音頻信號轉換為聲譜圖，以提取相關特征進行識別。然而，此轉換過程可能會導致原始信號中的信息丟失。另外，用于創建頻譜圖的濾波器可以基于信號的頻率選擇性地保留某些信號特征。

為了解決這些問題，提出了一種新方法，該方法包括在頻譜圖轉換之前向原始音頻信號引入隨機噪聲。假設添加的噪聲將增強濾波后保留的特征，而不影響特征提取過程，因為濾波器將有效地去除任何無關的噪聲。這個假設將通過一個簡單的實驗得到驗證。

為了有效擴展數據集并提高特征提取，我們在所有 2087 個原始切片中添加了隨機噪聲，并由所有音頻形成一個新的數據集，而沒有添加噪聲，從而得到的數據集大小是原始數據的兩倍。