在简述重排时频分布主要理论的基础上,具体分析了基于平滑伪Wigner-Ville分布的时频重排(rearrangement of the smooth pseudo Wigner-Ville distribution,RSPWVD)算法和基于Morlet小波的尺度图重排(rearrangement of the Morlet s...在简述重排时频分布主要理论的基础上,具体分析了基于平滑伪Wigner-Ville分布的时频重排(rearrangement of the smooth pseudo Wigner-Ville distribution,RSPWVD)算法和基于Morlet小波的尺度图重排(rearrangement of the Morlet scale chart,RMSC)算法识别信号的基本原理,并导出了各自的重排算法表达式。分析结果表明,RMSC算法不仅可以获得比RSPWVD更为理想的抗干扰效果,而且可进一步提高信号时频分布的时频聚集性,从而更加精确地对跳频信号参数进行盲估计。最后给出了计算机仿真结果,并验证了其可行性和有效性。展开更多
文摘针对鸟鸣声信号的非稳态特性,提出了一种基于自适应最优核时频分布(Adaptive optimal kernel,AOK)的鸟类识别方法。首先对采集的鸟鸣声信号进行预处理,通过AOK时频分析方法得到时频谱图,分析不同鸟类声音信号在不同时间和不同频率下的能量分布。然后,将时频谱图转化成灰度图像,求取灰度共生矩阵,提取基于灰度共生矩阵不同角度的图像特征参数作为鸟类识别的特征值。最后选取已知鸟种的图像纹理特征训练生成训练模板,将待识别的鸟种的图像纹理特征参数生成测试模板,利用动态规整(Dynamic time warping,DTW)算法进行模板的匹配,将匹配值进行大小比较,找到最小匹配值对应的模板,从而实现鸟类的识别。通过对40种常见鸟类的实验表明,总体识别率达到96%。
文摘在简述重排时频分布主要理论的基础上,具体分析了基于平滑伪Wigner-Ville分布的时频重排(rearrangement of the smooth pseudo Wigner-Ville distribution,RSPWVD)算法和基于Morlet小波的尺度图重排(rearrangement of the Morlet scale chart,RMSC)算法识别信号的基本原理,并导出了各自的重排算法表达式。分析结果表明,RMSC算法不仅可以获得比RSPWVD更为理想的抗干扰效果,而且可进一步提高信号时频分布的时频聚集性,从而更加精确地对跳频信号参数进行盲估计。最后给出了计算机仿真结果,并验证了其可行性和有效性。