被动声技术在交通流量测量领域的应用

交通指挥决策的重要依据是交通流量,而目前的交通流量测量设备还存在着各种各样的问题,与此相比,作为无源测量的被动声技术具有受外界因素影响较小的特性。分析说明了时空谱合成目标运动分析方法,并用基于小生境的粒子群优化算法对时空谱进行优化。在与传统算法的对比实验中,时空谱合成目标运动分析方法对于单目标和多目标的区分、定位都有着良好的表现,这也说明了被动声技术在交通流量测量领域具有广阔的应用前景。

基于神经网络的声目标识别融合方法研究

本文介绍了声目标的各种识别方法,将Dempster枛朣hafer证据推理的基本理论应用到声目标的识别中,并用BP神经网络构造出基本概率赋值函数,从而避开了建立质量函数的麻烦,大大拓宽了这种方法的应用范围。本文给出了改进后的BP神经网络算法并给出了识别目标的决策方法。通过实例计算可以看出,该方法可以提高对声目标识别的准确性。

一种有约束的自适应LMK时延估计算法

提出了一种有约束的自适应LMK时延估计算法,该算法的代价函数根据估计误差的峭度选取,算法直接对时延进行估计,不需进行插值运算。最后用实测的直升机辐射的噪声数据进行了仿真,表明新算法具有更快的收敛速度。

基于EMD分解重构的互相关时延估计方法

在反狙击手声探测定位系统应用背景下,针对常用相关法时延估计精度不高、相对误差较大等问题,将IMF重构消噪的思想应用于声探测定位系统TDOA(time delay of arrival)的估计中。针对重构过程中IMF分量的选取问题,设计了一种基于皮尔逊(Pearson)相关系数的选取方法,选取IMF分量进行重构消噪并结合互相关的时延估计方法,构成了基于EMD分解重构的互相关时延估计方法。通过对实际采集的声信号进行仿真实验,验证了该方法的有效性。