期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
小波MFCC和HMM在低空声目标识别中的应用 被引量:4
1
作者 张玉军 杨巨龙 +1 位作者 孙大飞 高勇 《信息与电子工程》 2011年第6期744-748,共5页
低空目标声信号是时变的、非平稳的,若以传统的Mel倒谱系数(MFCC)作为特征参数,虽然能模拟人耳的听觉特性,但不能更好地反映低空声信号的动态特性。基于小波变换可以精确反映非平稳信号瞬间变化的特点,文中用小波变换替代MFCC参数提取... 低空目标声信号是时变的、非平稳的,若以传统的Mel倒谱系数(MFCC)作为特征参数,虽然能模拟人耳的听觉特性,但不能更好地反映低空声信号的动态特性。基于小波变换可以精确反映非平稳信号瞬间变化的特点,文中用小波变换替代MFCC参数提取过程中的FFT变换,将改进后的MFCC与能够很好表征时变信号特性的隐马尔可夫模型(HMM)结合,对低空目标声信号进行检测识别。最后用实际采集到的直升机声信号和非直升机声信号进行实验,取得了较好的识别效果。实验的对比结果验证了该方法的有效性和可行性。 展开更多
关键词 低空声目标 MEL倒谱系数 小波变换 隐马尔可夫模型
下载PDF
低空飞行目标声音优化识别研究 被引量:4
2
作者 朱绍程 刘利民 《计算机仿真》 北大核心 2018年第11期12-16,共5页
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... 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。 展开更多
关键词 低空环境噪声 经验模式分解 小波-梅尔频率倒谱系数 声目标识别
下载PDF
The application of threshold empirical mode decomposition de-noising algorithm for battlefield ambient noise
3
作者 Zhu Shaocheng Liu Limin Yao Zhigang 《International Journal of Modeling, Simulation, and Scientific Computing》 EI 2018年第4期95-107,共13页
The detection of the low-altitude acoustic target is an important way to compensate for the weakness of radar.Removing the noise mixed in acoustic signal as much as possible to retain the useful information is a chall... The detection of the low-altitude acoustic target is an important way to compensate for the weakness of radar.Removing the noise mixed in acoustic signal as much as possible to retain the useful information is a challenging task.Inspired by the wavelet threshold,the de-noising method for low-altitude battlefield acoustic signal based on threshold empirical mode decomposition(EMD-T)is proposed in this paper.Firstly,the noisy signal is decomposed by empirical mode decomposition(EMD)to get the intrinsic mode functions(IMFs).Then the IMFs,whose actual energy exceeds its estimated energy,are processed by the EMD threshold.Finally,the processed IMFs are summed to reconstruct the de-noised signal.To evaluate the performance of the proposed method,extensive simulations are performed using helicopter sound corrupted with four types of typical low-altitude ambient noise under different signal-to-noise ratio(SNR)input values.The performance is evaluated in terms of SNR,root mean square error(RMSE)and smoothness index(SI).The simulations results reveal that the proposed method de-noising method has the perspective of the highest SNR,smallest RMSE and SI in de-noising low-altitude ambient noise compared to other methods,including the wavelet transform(WT)and conventional EMD. 展开更多
关键词 Threshold EMD low-altitude ambient noise de-noising method acoustic target.
原文传递
基于稀疏非负矩阵分解的低空声目标识别 被引量:3
4
作者 杨博 杨立学 +1 位作者 王志峰 周印龙 《声学技术》 CSCD 北大核心 2020年第1期93-97,共5页
借鉴人耳听觉原理和特征学习的优势,提出了梅尔(Mel)频率谱提取和稀疏非负矩阵分解相结合的方法用于低空飞行目标声信号识别。首先,以不同目标的Mel频率谱为特征矩阵,利用稀疏非负矩阵分解方法学习得到各自的模板矩阵;然后,利用按列合... 借鉴人耳听觉原理和特征学习的优势,提出了梅尔(Mel)频率谱提取和稀疏非负矩阵分解相结合的方法用于低空飞行目标声信号识别。首先,以不同目标的Mel频率谱为特征矩阵,利用稀疏非负矩阵分解方法学习得到各自的模板矩阵;然后,利用按列合并后的模板矩阵对训练/测试样本进行特征分解获得编码系数,该系数可作为分类特征;最后,结合不同目标的特点,采用分频段特征提取和顺序二类分类的方法进行多目标分类,并与Mel频率倒谱系数进行性能比较。结果显示,无论在单类目标辨识还是在多类目标分类中,稀疏非负矩阵分解方法均取得了更好的效果。 展开更多
关键词 低空声目标识别 梅尔频率倒谱系数 非负矩阵分解
下载PDF
基于HMM和SVM串联模型的低空飞行目标声识别方法 被引量:2
5
作者 刘辉 杨俊安 许学忠 《数据采集与处理》 CSCD 北大核心 2010年第6期751-755,共5页
为弥补单一模型在识别低空飞行目标时的不足,进一步提高识别概率,提出了一种基于HMM(HiddenMarkov model)和SVMs(Support vector machines)串联结构的低空飞行目标声识别方法。针对战场环境下声信号的特点,该方法综合考虑HMM适合处理连... 为弥补单一模型在识别低空飞行目标时的不足,进一步提高识别概率,提出了一种基于HMM(HiddenMarkov model)和SVMs(Support vector machines)串联结构的低空飞行目标声识别方法。针对战场环境下声信号的特点,该方法综合考虑HMM适合处理连续动态信号及SVM小样本情况下的强分类能力,先由HMM计算各HMM模型与待辨识信号的匹配程度,形成匹配度特征向量,再利用SVM适合分类的优势,对匹配度特征向量做进一步决策,得到最后的识别结果,弥补了单一模型在识别低空飞行目标时的不足。实际数据的识别分析结果表明了该方法在低空飞行目标声识别中的准确性与有效性。 展开更多
关键词 低空飞行目标识别 隐马尔科夫模型 支持向量机
下载PDF
基于深度学习和多通道融合的低空目标声识别方法
6
作者 李悦 赵春雨 王强 《电声技术》 2023年第1期81-83,88,共4页
低空目标声识别主要指被动接收低空飞行目标辐射声信号,依据声纹信息对目标类型进行判别的技术方法.基于单个传声器通道的目标识别性能往往会受到传声器周边环境和传声器本身特性异常的影响,因此需要研究基于多通道融合的低空目标声识... 低空目标声识别主要指被动接收低空飞行目标辐射声信号,依据声纹信息对目标类型进行判别的技术方法.基于单个传声器通道的目标识别性能往往会受到传声器周边环境和传声器本身特性异常的影响,因此需要研究基于多通道融合的低空目标声识别方法。对此,采用卷积神经网络处理各通道声信号的Mel频率倒谱系数特征,获取目标识别概率,并利用基于证据距离的信息融合方法,计算最终的目标识别结果。实测数据验证结果表明,基于多通道融合的低空目标声识别方法相较于单通道具有更高的稳健性,对单通道异常情况不敏感,仍然具有较高的识别准确率。 展开更多
关键词 低空目标声识别 深度学习 融合识别
下载PDF
基于深度学习的低空声目标识别
7
作者 王显云 王志峰 黄山 《电声技术》 2022年第3期67-70,74,共5页
本文提出采用人耳听觉特征和深度神经网络(Deep Neural Network,DNN)相结合的方式对低空飞行目标进行分类。首先,以不同目标的梅尔频率谱(Mel-Frequency Cepstrum Coefficients,MFCC)和伽玛通功率谱(Gammatone Filterbank spectra,GF)... 本文提出采用人耳听觉特征和深度神经网络(Deep Neural Network,DNN)相结合的方式对低空飞行目标进行分类。首先,以不同目标的梅尔频率谱(Mel-Frequency Cepstrum Coefficients,MFCC)和伽玛通功率谱(Gammatone Filterbank spectra,GF)为静态特征,并以它们的差分谱作为动态特征;其次,利用谐波处理技术获得具有谐波保护的上述静态特征和动态特征;最后,将上述特征进行组合,作为深度神经网络的输入参数进行网络训练,来进行不同低空声目标的鉴别。试验结果表明,基于深度学习的方法在低空飞行目标识别方面可以取得较好的识别效果。 展开更多
关键词 低空声目标识别 深度神经网络(DNN) 梅尔频率倒谱系数(MFCC) 伽玛通功率谱(GF)
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部