双谱估计在直升机声信号特征提取中的应用

根据直升机信号在更多情况下表现为非高斯的随机过程,提出采用高阶统计量对直升机声信号进行建模与特征提取,导出基于三阶累积量的直升机声信号非高斯参数双谱模型,讨论了双频域内直升机声信号特征提取的方法,并结合实例给出说明,最后指出将高阶统计量分析方法用于直升机声目标识别具有十分有意义的应用前景。     

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。     

直升机声信号谐波集及小波子空间能量特征提取与识别

对目标识别中的特征提取技术进行了研究，介绍了两种用于被动声信号特征提取的方法．分别将谐波集(HS）频率和不同尺度小波子空间能量作为特征矢量，给出相应的算法；并利用实测信号将这些技术运用到直升机目标的识别问题中，利用kNN分类器对直升机目标和非直升机目标进行分类。结果表明这两种方法都能达到较高的正确识别率。     

基于小波变换的直升机声目标特征提取

简要地介绍了小波变换的原理和性质以及它在直升机声目标特征提取当中的应用。主要论述了利用小波变换进行信号分解与滤波、目标特征提取等方面的应用,最后给出了计算机模拟仿真结果,结果表明,利用本文所提出的信噪分离方法和目标特征提取方法可以在低信噪比情况下准确识别目标。     

飞机声信号的特征提取与识别

在对某型喷气飞机声信号做时频域分析的基础上，采用LMS自适应横向滤波对飞机声信号作预处理，而后分别采用过零率和小波变换作目标特征提取。对这两种方法提取的特征再分别应用BP神经网络作目标分类识别，结果表明这两种特征提取方法与BP神经网络分类器相结合对处于起飞或降落滑跑中的喷气飞机均有较高的识别率。     

直升机目标被动声跟踪算法及其仿真研究

提出了包含多普勒频移和声传播时间延迟的接收信号模型,提出了在直升机目标做匀速直线运动的条件下,将声基阵获得的测向信息与多普勒频移信息融合,估计目标运动参数的算法,并用蒙特卡罗方法分析了该算法的估计精度;仿真结果表明该算法可实现较高的估计精度,测距精度满足实用要求,最后研究了应用该算法的自适应跟踪问题。     

直升机谐波信号的多频循环平稳检测

在直升机和无人机等目标的检测和识别方面,常用的方法没有充分利用目标信号的谐波特性,易受实战环境下强噪声和干扰的影响而降低检测能力.采用两个途径提高检测能力:利用谐波信号的相干特性,采用循环处理方法降低随机噪声和干扰的影响;采用频率分集分析和处理方法,将各阶谐波的循环平稳特征融合,提高抗干扰能力.计算结果表明,循环平稳处理方法可以正确的提取信号的频率特征;融合处理方法能在信噪比为2 dB甚至更低时检测谐波信号的循环平稳特征.该方法在多个领域具有较好的应用前景.     

一种改进的直升机声测被动定向算法

本文研究了相位谱时延估计算法在直升机被动声定向中的应用。提出了一种改进时延估计精度的新算法。并用实测直升机噪声数据进行了计算机仿真,验证了算法的有效性。仿真结果表明,该算法具有高的时延估计精度和算法鲁棒性,有重要的研究价值和工程应用前景。     

反直升机地雷的一种新型的声体制引信

综述了国内外反直升机地雷及其引信的发展状况，在大量文献的基础上对这种武器的各种可能的引信体制进行了分析和探讨，并在此基础上提出了一种新型的单一声体制引信。     

基于TMSS320C32的多路声信号实时采集与处理系统

介绍了反武装直升机被动声定位跟踪系统中直升噪声信号实时采集与处理系统的设计,该系统由双CPU并行式结构的两个子系统构成,基于单片机AT89C51的数据采集子系统完成对多路声信号的同步采集,并把数字信号保存到片外共享存储器中,基于TMS320C32DSP的声信号处理子系统从共享存储器中取出采集数据进行高速处理,得到定位跟踪结果,由于数据采集与信号处理分别由不同的微处理器完成,可以同时进行,不同于以往的采集一段数据,处理一段数据的串行工作模式,提高了系统的响应速度与整体性能。     

水声通信中特征信号提取方法

首先分析了水中基站发射的特征声信号,设计了一种以频分模式为基础的基站特征声信号提取的方法, 目的在于节约成本,提高效率.重点介绍了对该方案进行的实验仿真,并根据结果说明了优缺点及其适用范围.     

目标辐射声信号关联维提取研究

文中分析了目标辐射声信号关联维估计过程,提出了一种新的无标度区域判定方法.这一方法可以用来方便、快捷地判定关联维计算中的无标度区域,避免了人工判定无标度区域的随意性.研究结果表明,使用该方法可以得到有效的无标度区域,从而获得准确的噪声信号的关联维特征估计.     

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。     

基于小波能量特征的尾流光信号特征研究

针对舰船尾流激光探测的信号检测与分析问题,提出了利用小波域能量特征进行尾流特征分析的新方法。首先设计了变遗忘因子的自适应抵消器滤除水体后向散射信号与系统噪声,有效地选取了含有目标的信号;其次采用小波包分解方法并按频段的能量形成提取目标特征;最后借助主成分分析方法对特征向量进行降维。通过对试验数据的分析表明,提取的特征能有效地揭示不同性质下的尾流后向散射光信号,提高了对尾流分析的能力。     

坦克声双谱谱峰特征模糊识别分析

探讨了智能雷弹的坦克模糊识别器特征提取和优选方法,并对在不同声源干扰下的目标识别效果进行了仿真,证明双谱谱峰用于战场坦克识别是一种有效的方法.     

航空发动机涡轮叶片裂纹检测信号特征提取

航空发动机涡轮叶片是高精密重要器件,其表面微裂纹检测属于不规则曲面检测的一种,是无损检测领域研究的热点和难点。考虑到涡流检测的特有优势,设计了一种不同于传统方式的简单实用且有效的差激励涡流探头,实现对涡轮叶片预制微裂纹的识别。由于叶片表面为曲率变化的弧面,检测过程难免会发生提离,因此获得的检测信号中包含噪声和多个奇异点等多种干扰因素。为保证缺陷位置重要信息不丢失,采用镜像延拓经验模态分解（EMD）重构与小波奇异性检测相结合的方法对得到的微裂纹信号进行处理,滤除了非裂纹位置的多处畸变点影响,有效准确地实现了叶片微裂纹位置的判定。实验结果表明,该方法可以有效降低检测信号的噪声和干扰,准确提取裂纹信号特征信息,对飞机涡轮叶片类零件微缺陷的早期检测和完整有效性评估具有一定的借鉴意义。     

基于小波包分析的战场被动声目标特征提取

针对战场环境存在噪声干扰的情况,提出了一种基于小波包分析的声目标特征参数提取方法.该方法将小波包分析和Mel倒谱分析相结合,提高了特征参数的鲁棒性.实验结果表明,在噪声条件下,基于小波包分析的平均识别率比MFCC参数提高6.78%,在信噪比为5dB时,识别率仍能达到94.5%.     

熵值分析法在辐射源特征提取中的应用

特征提取与选择是模式识别系统的关键环节,关系到系统的最终识别效果。针对通信信号调制识别中特征提取这一重要步骤,提出了熵值分析方法。对信号作FFT和Chirp-Z变换后,求取信号的香农熵值和指数熵值特征。仿真结果表明,FFT和Chirp-Z变换后的信号分别在信噪比大于20dB、10dB时,熵值曲线趋于平稳。用熵值分析法提取出的信号特征受噪声影响较小,并且得到的熵值曲线比较平稳,有利于区分信号的调制方式,具有很好的应用价值。