低空飞行目标声音优化识别研究

针对战场环境噪声下的低空目标声音识别问题,首先用阈值EMD对典型环境噪声进行去除,其次提取基于离散小波变换的Mel频率倒谱系数(WMFCC)的特征参数,最后利用支持向量机(SVM)分类识别,利用含噪声音提取的MFCC和WMFCC以及经过阈值EMD去噪后的声音再提取的MFCC和WMFCC作为特征向量进行分类识别。不同噪声不同信噪比条件下的对比实验结果表明,SVM分类器利用阈值EMD去噪后提取的WMFCC特征参数进行分类,可以有效去除噪声,提高识别率,并且在低信噪比环境噪声下,分类性能明显优于其它方法。

低空飞行声目标特征提取技术研究

传统特征提取方法大多是在对信号进行假设的前提下进行运算。近年来,不依赖信号的性质,对输入信号不做任何假设和限制的听觉感知特征提取方法引起广泛关注。本文对低空目标识别系统中的特征提取技术进行系统介绍。首先概述了外常用的特征提取技术,其次介绍了人耳对声信号的辨识过程及声学效应,在此基础上分析了基于人耳听觉系统的特征提取方法。最后,在总结现有方法的基础上,分析了目前尚存在的主要技术难题。

低空目标声信号去噪方法研究

声目标探测识别是目前弥补雷达低空探测不足的重要方法。采集到的声信号通常含有大量环境噪声,如何在去除噪声的同时尽可能多地保留有效信号是该领域的一个难点。针对低空战场环境噪声的特点,提出基于改进阈值经验模式分解的去噪方法。首先对信号进行经验模式分解,然后对实际能量大于噪声能量的固有模式函数进行阈值处理,最后将处理后的固有模式函数进行重构得到去噪信号。为了验证该算法的性能,对直升机声信号加入不同信噪比的典型低空环境噪声进行去噪,并与其他去噪方法进行比较,采用信噪比、均方根误差和平滑度指标进行定量分析。仿真结果表明,该算法对大部分低空环境噪声有良好的去除效果。