被動聲目標識別理論研究.pdf

1、本文以智能雷為應用背景,在深入分析和研究典型聲目標信號產(chǎn)生機理和特性的基礎上,對被動聲目標探測與識別的關鍵技術進行了研究,給出了相應的理論和算法,研究成果可為被動聲識別技術的理論發(fā)展和工程化提供參考。
　　 基于當前技術基礎,對典型戰(zhàn)場聲目標信號特性進行了研究,總結和分析了坦克、直升機、戰(zhàn)斗機和裝甲車四種典型聲目標的信號產(chǎn)生機理和特性。
　　 信號預處理是提高識別準確率的重要技術途徑,主要研究小波變換和EMD兩種信號處理

2、方法對于單傳聲器和多傳聲器信號的降噪方法,提出一種基于EMD的自適應噪聲抵消算法和兩種基于時延矢量封閉準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選取方法,鑒于EMD分解特性,采用其高頻IMF分量作為自適應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進行對比,實驗結果證明該算法具有更好的降噪效果;
　　 2)根據(jù)多傳聲器時延估計特性,提出了時延矢量封閉準則,結合多傳聲器系統(tǒng)小波系數(shù)時延

3、估計特性和信息融合理論,提出了多傳聲器系統(tǒng)的三角時延矢量誤差,并用多傳聲器綜合支持度定義時延閾值,對信號進行濾波;發(fā)展了EMD對多傳聲器信號降噪的算法,借鑒對IMF分量進行加權的消噪思想,依據(jù)時延矢量封閉準則計算時延矢量誤差,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)的權重矩陣,最后根據(jù)IMF函數(shù)及其權重矩陣得到重構后的信號。理論分析和實驗結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。
　　 聲信號的特

4、征提取與選擇方法是聲識別的關鍵技術之一,主要研究了信號的五種特征提取方法,對所得特征向量進行類別可分性判別,給出各類特征向量的整體可分性、單類目標特征向量可分性及兩兩目標之間特征向量可分性。在研究過零點特征、AR模型參數(shù)、核Fisher判別分析的特征提取方法基礎上,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度的顯著性特征選擇方法,首先選擇能夠反映類別可分性的距離測度對特征向量進行處理,然后構造顯著

5、性函數(shù),對可分性測度值進行選擇,滿足顯著性條件的測度對應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)、非線性信號經(jīng)EMD分解得到平穩(wěn)、線性的IMF分量,對各個IMF分量進行FFT,求得信號的幅值譜,獲得各IMF分量相對于原信號的能量比,對其進行歸一化,將歸一化后的能量比作為新的特征向量,其類別可分性判據(jù)和后續(xù)分類識別結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頻域的多尺度分頻思想,將信號在不同尺度頻段上的頻率進行歸整,組成新的特征向量,實驗結果表明該方法提供了一種簡單有效并適合工程應用的特征提取方法。
　　 在聲目標識別分類器設計方面,提出一種基于相關性系數(shù)的變權模板匹配分類器,選擇適于分類識別的相似性系數(shù)函數(shù),依據(jù)相關性系數(shù)通過離線訓練獲得特征向量的模板及其權重,并設定合適的閾值對目標進行分類;同時將粒子群神經(jīng)網(wǎng)絡和支持向量機兩類分類器應用于聲目標的