共查询到10条相似文献,搜索用时 31 毫秒
1.
为了解决强噪声下识别率低的问题,提出了一种新的战场声目标特征参数提取方法。该方法将小波包分析和Teager能量算子(TEO)相结合,采用小波包对带噪声信号进行分解,对分解系数计算Teager能量。实验结果表明:基于小波包分析和Teager能量算子的特征参数提取方法具有良好的抗噪性能,提高了噪声环境下的声目标识别的准确率。 相似文献
2.
3.
4.
5.
为识别战场混叠声目标,提出一种基于独立分量分析(ICA)的声目标盲分离和隐马尔可夫(HMM)识别的混合声识别方法.建立已知声目标的HMM,实现混叠声目标盲分离,提取的线性预测系数作为声目标识别参数,通过K均值聚类得到训练和识别特征向量,通过Viterbi解码判断声目标的类别.仿真结果表明,ICA分析能有效地分离混叠声目标信号,基于线性预测系数的HMM识别率较高,混合模型识别系统在混叠声目标识别中具有可行性. 相似文献
6.
7.
隐马尔可夫模型和支持向量机混合模型声识别 总被引:2,自引:0,他引:2
为弥补单一模型在识别低空飞行目标时的不足,进一步提高低空飞行目标的识别率,提出一种基于HMM和SVM混合结构的低空飞行目标声识别算法.针对战场环境下声信号的特点,算法综合考虑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,利用HMM处理待辨识的连续动态信号,将HMM易混淆的信号作为与待辨识信号较为相似的模式类,形成候选模式集,再由SVM在候选模式中对待辨识信号作最后决策.实际数据的识别结果表明相对于单一的HMM和SVM,混合模型的识别率有一定的提高. 相似文献
8.
9.