直升机声信号特征提取和识别技术

简要介绍了直升机的飞行噪声和它的频域特征，论述了声信号特征的提取技术，采用基于模式识别的信息处理方法，用ＡＲ模型参数谱估计算法高质量地估计一直升机的声线谱；用二次近似法快速有效地提取了直升机的声线谱特征，构成特征矩阵；用模式识别中句法分析方法对声目标进行有效的判决、识别，并编写了相应的程序，给出了分析结果，效果良好。     

回归谱特征提取与识别效果分析

在战场目标噪声自回归参数统计特征分析的基础上,以战场四种车辆噪声为背景,在自回归谱上提取了１２ 个单项特征,并借助于直方图和模糊识别论域分布图,对它们的识别效果进行了分析。     

舰船辐射噪声功率谱特征提取方法研究

基于分段最小二乘曲线拟合方法,提出了一种的提取舰船噪声信号功率谱中线谱特征的新方法,通过一种新的坐标变换,用最小二乘曲线拟合方法精确提取了连续谱特征,将连续谱特征和线谱特征组合得到了舰船噪声的功率谱特征。利用BP神经网络对海上实录的两类目标噪声进行了分类识别,实验证明了方法的有效性,识别率达到90%以上,分类效果很好。     

一种水下目标辐射噪声调制特征提取方法

水下目标辐射噪声的调制信号携带许多重要特征信息,本文在现代信号处理理论的基础上对其调制特征提取方法进行了探讨。首先,利用小波变换和多分辨率分析理论,提取水下目标辐射噪声的调制包络;然后选取具有明显调制特征的特定频段数据对其进行112维谱分析,得到了辐射噪声的谐波信息。该方法结合小波变换与高阶谱理论对调制谱进行提取,可同时利用小波的消噪和高阶谱对高斯噪声的天然抑制性。对实测噪声数据进行的仿真结果表明,该方法可以有效提取噪声中的动态调制信息且抗噪性良好,具有很好的应用前景。     

基于形状统计量的地面运动车辆识别

对典型车辆目标（如轮式车、履带式车）的地震动信号进行分析和处理,针对信号的功率谱提出了用形状统计量作为目标识别的特征,并对提取出的特征利用神经网络进行了目标识别。经过仿真实验,得到了比较满意的结果。     

灰关联分析法在坦克声目标识别中的应用

提出了一种基于灰关联分析的声目标识别算法.该算法提取坦克声信号的线性预测系数特征作为关联参数,通过比较声信号的灰关联值实现目标识别.在白噪声背景下,结合谱相减法,通过提取坦克声信号特征识别,仿真表明灰关联算法可以从信息不完全、关系不明确的坦克声信号中提炼主要因素进行识别,其实现方法简单,识别率较高.因此该算法在声目标识别中具有可行性.     

一种基于小波分频带统计特征的舰船分类识别方法

为了有效提高舰船目标的识别率,提出了一种基于小波分频带统计特征的舰船分类识别方法。该方法利用小波变换分别提取了舰船辐射噪声带内信号的小波模极大值和带外信号的分频段能量两类特征,并将两类目标特征的联合量作为舰船的目标特征用以识别舰船目标。同时利用实测海录58组舰船的辐射噪声数据对上述舰船目标特征的分类识别方法进行了验证,结果表明,利用联合特征对目标的检测概率可以达到97%以上。     

战场环境下车辆目标震动信号的形态学滤波研究

针对传统线性信号分析方法在处理地面目标震动信号上的局限性,提出采用形态滤波提取目标信号的特征信息,利用仿真信号和实测的两类车辆目标震动信号进行对比分析。结果表明:与4种基本形态滤波器和小波滤波器相比,形态差值滤波器能在强噪声环境下有效提取目标信号的特征信息,同时不受低频信号干扰,为基于震动信号的地面目标精确识别提供一条新的途径。     

基于高阶谱的战场声目标特征提取

由于高阶谱对于高斯噪声不敏感的特性，在战场噪声环境中。提取被动声目标的双谱、双谱切片和相位耦合特征，通过建立声目标的高斯混合模型（GMM），进行声目标信号的识别。将基于此模型的识别结果与功率谱方法比较。仿真结果证明：基于高阶谱特征提取方法优于AR功率谱特征，该方法在抑制背景干扰中具有优越性。     

舰船噪声通过特性过零数特征的分析与应用

在正常巡航条件下，舰船沿纵向分布着三个具有不同功率谱特征的声辐射部位。通常，目标舰船距离观测点很远时，舰船可被视为一个点声源，但舰船距离观测点很近时，就不能再被视为点声源，而应被视为体积目标更为合理。分析了舰船做为体积目标时辐射噪声功率谱的纵向特性，利用舰船辐射噪声波形的过零点数分布，构造了舰船噪声通过特性的过零数特征矢量，为舰船目标识别分类研究提供了一种新的特征量，并应用BP网络做了分类实验，实验证明：过零特征可以作为水中目标识别的重要依据，是一种有效的分类方法。     

基于SVD-TLS的AR谱估计方法在声目标识别中的应用

为提高 AR谱估计方法的抗噪性能 ,提出采用 SVD-TLS算法。文中对该算法作了介绍 ,并用一简单例子将 SVD-TLS与其它算法作了比较 ,最后应用 SVD-TLS对几组实测的直升机声信号进行了 AR参数估计和谐波频率提取。仿真结果表明 SVD-TL S较之其它算法可在更低的信噪比情况下准确地提取信号的频率信息 ,具有良好的抗噪性能和数值稳定性 ,将其用于声目标识别对改善系统的抗噪性能是十分有意义的。     

谱估计法在反舰导弹雷达角噪声仿真中的应用

分析了形成末制导雷达角噪声的主要来源,即海面目标反射中心和目标振幅起伏两项因素,然后采用频谱分析法建立了反舰导弹雷达导引头的雷达角噪声仿真模型,并用谱估计法进行了校验.仿真结果表明,采用上述思路所建的雷达角噪声仿真模型提高了模型的可信度,能够满足反舰导弹精度仿真分析的需要.     

基于SVD-TLS的ARMA谱估计及应用

提出了基于SVD-TLS法估计ARMA信号模型的AR阶数和参数的方法, 并利用Cadzow谱估计子计算ARMA功率谱.在对包含两个非常接近的频率成份的模拟数据进行计算机仿真的基础上, 提出了利用SVD-TLS法计算ARMA功率谱存在的问题和建议.对真实的动态观测数据计算ARMA谱, 并与Burg最大熵谱法和传统的周期图法进行了对比分析.计算机仿真结果表明, SVD-TLS法可以用较少的AR阶数实现高分辨率的ARMA功率谱估计.     

过零率分析在智能雷弹引信中的应用研究

提出一种新的信号分析方法,即信号的过零率分析法,并对其进行了论证。该方法适用于声引信目标信号分析与识别,可以从背景噪声中识别出直升机、坦克、汽车、人行走等,并能排除风和背景噪声的干扰以及人为干扰。与频谱分析法相比,它不需要进行乘法运算,因而处理速度快,分析结果与信号能量无关。文中给出了应用该方法分析的直升机声音、坦克声音、大型卡车声音、人员行走的震动信号的过零率曲线。利用该方法可以提取目标信号的特     

利用目标噪声频域信息的定位方法研究

讨论了水雷声引信对目标被动定位的重要性，提出了基于互谱法测向的基本原理，着重研究了利用舰船辐射噪声的线谱分量进行加权平均获取时延并提高测向精度的技术。仿真实验证明了本文方法的正确性和有效性。     

基于局部特征尺度分解与复合谱分析的齿轮性能退化特征提取

针对齿轮性能退化过程中振动信号复杂、特征提取困难等问题,提出采用基于局部特征尺度分解与复合谱的退化特征提取方法。改进复合谱分析法,利用离散余弦变换代替复合谱分析法的傅里叶变换,以减少特征信息的遗漏,提高特征信息敏感度;利用局部特征尺度分解法对振动信号进行分解,并采用贝叶斯信息准则与峭度时间序列互相关系数相结合对内禀尺度分量进行筛选,以剔除不必要分量的影响,有效地提取特征信息;利用改进的复合谱分析法对所选取的内禀尺度分量进行融合,提取复合谱熵作为特征向量。该退化特征提取方法运用于齿轮全寿命退化试验中,对实测信号进行特征提取和退化状态识别,结果表明改进后的复合谱熵对齿轮退化状态具有较好的表征能力。