被動(dòng)聲目標(biāo)識(shí)別理論研究.pdf

1、本文以智能雷為應(yīng)用背景,在深入分析和研究典型聲目標(biāo)信號(hào)產(chǎn)生機(jī)理和特性的基礎(chǔ)上,對(duì)被動(dòng)聲目標(biāo)探測(cè)與識(shí)別的關(guān)鍵技術(shù)進(jìn)行了研究,給出了相應(yīng)的理論和算法,研究成果可為被動(dòng)聲識(shí)別技術(shù)的理論發(fā)展和工程化提供參考。
　　 基于當(dāng)前技術(shù)基礎(chǔ),對(duì)典型戰(zhàn)場(chǎng)聲目標(biāo)信號(hào)特性進(jìn)行了研究,總結(jié)和分析了坦克、直升機(jī)、戰(zhàn)斗機(jī)和裝甲車(chē)四種典型聲目標(biāo)的信號(hào)產(chǎn)生機(jī)理和特性。
　　 信號(hào)預(yù)處理是提高識(shí)別準(zhǔn)確率的重要技術(shù)途徑,主要研究小波變換和EMD兩種信號(hào)處理

2、方法對(duì)于單傳聲器和多傳聲器信號(hào)的降噪方法,提出一種基于EMD的自適應(yīng)噪聲抵消算法和兩種基于時(shí)延矢量封閉準(zhǔn)則的多傳聲器信息融合消噪算法:
　　 1)提供了一種新的參考信號(hào)選取方法,鑒于EMD分解特性,采用其高頻IMF分量作為自適應(yīng)噪聲抵消器的參考噪聲輸入,與小波全局閾值和分層閾值降噪信號(hào)進(jìn)行對(duì)比,實(shí)驗(yàn)結(jié)果證明該算法具有更好的降噪效果;
　　 2)根據(jù)多傳聲器時(shí)延估計(jì)特性,提出了時(shí)延矢量封閉準(zhǔn)則,結(jié)合多傳聲器系統(tǒng)小波系數(shù)時(shí)延

3、估計(jì)特性和信息融合理論,提出了多傳聲器系統(tǒng)的三角時(shí)延矢量誤差,并用多傳聲器綜合支持度定義時(shí)延閾值,對(duì)信號(hào)進(jìn)行濾波;發(fā)展了EMD對(duì)多傳聲器信號(hào)降噪的算法,借鑒對(duì)IMF分量進(jìn)行加權(quán)的消噪思想,依據(jù)時(shí)延矢量封閉準(zhǔn)則計(jì)算時(shí)延矢量誤差,用多傳聲器綜合支持度定義IMF分量有效性的判據(jù),得到IMF函數(shù)的權(quán)重矩陣,最后根據(jù)IMF函數(shù)及其權(quán)重矩陣得到重構(gòu)后的信號(hào)。理論分析和實(shí)驗(yàn)結(jié)果表明兩種降噪方法均表現(xiàn)出良好的多傳聲器濾波特性。
　　 聲信號(hào)的特

4、征提取與選擇方法是聲識(shí)別的關(guān)鍵技術(shù)之一,主要研究了信號(hào)的五種特征提取方法,對(duì)所得特征向量進(jìn)行類(lèi)別可分性判別,給出各類(lèi)特征向量的整體可分性、單類(lèi)目標(biāo)特征向量可分性及兩兩目標(biāo)之間特征向量可分性。在研究過(guò)零點(diǎn)特征、AR模型參數(shù)、核Fisher判別分析的特征提取方法基礎(chǔ)上,提出了一種特征選擇方法和兩種特征提取方法:
　　 1)提出基于距離可分性測(cè)度的顯著性特征選擇方法,首先選擇能夠反映類(lèi)別可分性的距離測(cè)度對(duì)特征向量進(jìn)行處理,然后構(gòu)造顯著

5、性函數(shù),對(duì)可分性測(cè)度值進(jìn)行選擇,滿(mǎn)足顯著性條件的測(cè)度對(duì)應(yīng)的特征向量為有效特征向量:
　　 2)提出基于EMD和能量比的特征提取方法,非平穩(wěn)、非線性信號(hào)經(jīng)EMD分解得到平穩(wěn)、線性的IMF分量,對(duì)各個(gè)IMF分量進(jìn)行FFT,求得信號(hào)的幅值譜,獲得各IMF分量相對(duì)于原信號(hào)的能量比,對(duì)其進(jìn)行歸一化,將歸一化后的能量比作為新的特征向量,其類(lèi)別可分性判據(jù)和后續(xù)分類(lèi)識(shí)別結(jié)果均證明這種特征向量的有效件:
　　 3)提出基于多尺度分頻的特征

6、提取方法,根據(jù)多尺度理論提出信號(hào)頻域的多尺度分頻思想,將信號(hào)在不同尺度頻段上的頻率進(jìn)行歸整,組成新的特征向量,實(shí)驗(yàn)結(jié)果表明該方法提供了一種簡(jiǎn)單有效并適合工程應(yīng)用的特征提取方法。
　　 在聲目標(biāo)識(shí)別分類(lèi)器設(shè)計(jì)方面,提出一種基于相關(guān)性系數(shù)的變權(quán)模板匹配分類(lèi)器,選擇適于分類(lèi)識(shí)別的相似性系數(shù)函數(shù),依據(jù)相關(guān)性系數(shù)通過(guò)離線訓(xùn)練獲得特征向量的模板及其權(quán)重,并設(shè)定合適的閾值對(duì)目標(biāo)進(jìn)行分類(lèi);同時(shí)將粒子群神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)兩類(lèi)分類(lèi)器應(yīng)用于聲目標(biāo)的