基于小波包和HMM的战场声信号识别

针对战场声信号复杂多变的特点,提出了一种基于小波包特征参数(WPFC)和隐马尔科夫模型(HMM)相结合的战场声目标识别方法。该方法利用小波包对信号高、低频段能进行精细划分,从而得到更能反映战场声信号特征的小波包特征参数;并利用HMM具有很强的表征时变信号能力的优点,将HMM作为训练识别模型。仿真结果表明了此方法的准确性和可行性。     

战场目标被动噪声识别技术

综述了噪声识别技术在军事上的应用,并就战场目标噪声识别的技术现状和发展前景作了概括性的介绍,预测了战场目标声识别技术的发展趋势。     

基于神经网络的战场被动声／地震动目标识别方法

目的在于研究人工神经网络在战场声／地震动目标识别应中的有效算法。通过建立战场目标声／地震动特性探测与分析系统,在总结目标特性规律,分析传统BP算法固有缺陷的基础上,采用改进的算法对分类器进行训练,典型战场目标信号样本检验表明,该方法具有良好的识别分类效果,利用基于神经网络的分类来实现对战场声／地震目标的识别分类是可行的。     

基于MFCC参数和HMM的低空目标声识别方法研究

提出了一种战场声目标识别方法，模拟人耳的听觉机理提取更能反应出声音信号动态特征的Mel倒谱系数（MFCC）作为识别战场低空目标的参数；利用隐马尔可夫过程具有很强地表征时变信号的能力来表现声信号随时间变化呈现出的模式演变现象，建立隐马尔可夫模型（HMM）；由K-均值聚类得出HMM模型的练和识别特征向量，识别时设定阈值判定输入的未知声信号。实际数据的分析结果表明了该识别方法的准确性与有效性。     

采用DSP和小波变换的战场声目标快速识别系统

根据战场典型目标声信号的特性，提出运用小波理论和FOBW编码对其进行特征提取，用数字信号处理(DSP)作为系统核心处理器件，辅以必要的外围电路，实现声目标快速识别的方法。将此系统应用于战场典型目标的快速识别，取得了满意的识别效果。     

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。     

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.     

仿生听觉技术在声目标特征提取中的应用

为提高战场声目标识别技术,从仿生听觉技术原理出发,研究声目标的发声机理和人耳的听觉特性,通过与语音声学特征比较,分别研究了时域、频域、小波域和倒谱域具有代表性的声特征参数。通过矢量量化技术对不同声特征、特征矢量不同分量和不同特征组合的识别效果做了比较,实验表明:多种声目标条件下MFCC识别率为96.8%,远高于其他特征,表明其在差异性较大的目标特征中更具有区分度。     

基于改进的MFCC战场被动声目标识别

从战场声信号与语音信号特征的相似性出发,提出基于MFCC参数的战场声目标识别方法。针对战场环境存在强噪声干扰情况,提出一种改进的MFCC特征参数（DWTMFCC）提取方法,该方法将小波分析和Mel倒谱分析结合,提高了特征参数的鲁棒性。仿真结果表明：在噪声条件下,利用DWTMFCC参数进行声目标识别,平均识别率比MFCC参数高出3．134个百分点,信噪比为5dB时．识别率仍达到93．67％。     

地面战场侦察系统多目标识别的评价指标

在对地面战场侦察系统和目标识别介绍的基础上，分析了典型环境下单目标识别与战场环境下多目标识别的评价的差别，根据单目标评价体系，提出了多目标识别效果的评价指标，为战场侦察系统的多目标识别提供了评价方法。     

人工神经网络在目标声定向中的应用

人战场实际情况出发，建立了人工神经网络目标声定向系统模型。用两个人工神经网络提高目标定向精度；并用计算机对系统的工作过程进行了模拟，模拟结果证明了人工神经网络用于目标声定向中的可行性。     

多传感器声目标识别的研究

介绍了声目标的各种识别方法，将Dempster-Shafer证据推理的基本理论应用到声目标的识别中。用质量函数构造基本概率赋值函数，给出了在n次扫描情况下，累积质量函数的融合公式并给出了识别目标的决策方法。通过实例计算可以看出，该方法可以提高对声目标识别的准确性。     

遗传算法和神经网络在低空声目标识别中的应用研究

将神经网络应用于战场声目标分类,针对BP算法易陷人局部极小、收敛速度慢的缺点．利用遗传算法具有全局寻优的特点,将二者结合起来,提出一种训练神经网络的混合算法GA-BP算法,并将其应用于低空飞行目标的声识别。仿真结果表明该算法具有较高的识别概率和较好的鲁棒性。     

鱼雷稀疏阵高分辨目标声成像方法

鱼雷目标声成像和图像制导是鱼雷在现代复杂水声对抗战场条件下实现准确目标识别和智能化精确制导的最有效途径。为了实现鱼雷图像化目标识别和精确图像制导,针对鱼雷应用特点,研究了鱼雷利用预成空间密集窄波束实现高方位分辨、同时利用各窄波束宽带信号处理实现高距离分辨的目标声成像方法,提出了鱼雷声成像高频非均匀复合稀疏阵及其波束形成方法,分别给出了宽带信号高距离分辨成像处理方法和基于双阈值分割及模糊聚类的目标声图像优化处理方法,有效实现了空间方位和距离高分辨的鱼雷目标声成像。该方法大大减小了硬件规模,易于工程实现。计算机仿真和水池试验结果表明,该鱼雷目标声成像方法可以有效获取目标声图像,并具有很高的方位和距离分辨能力。     

战场坦克的声特征识别

该文在实验分析的基础上，提出了一种识别战场坦克的声特征方法。确定了被识目标的特征参数和识别算法。为战场坦克的侦察提供了一种新的途径。     

一种鲁棒的战场声目标自适应时延估计算法

提出了一种可用于战场声目标定向的鲁棒自适应时延估计算法.该算法应用最优变步长自适应仿射投影技术和鲁棒M估计理论,无须事先假定信号和噪声的统计特性,自适应调整自身参数,抵御战场环境中的噪声干扰.野外坦克声数据实测表明,在无干扰环境下,算法性能与高阶统计量法、广义互相关法相当,但在武器噪声干扰下表现了更强的鲁棒性和估计精度;在各种条件下,文中算法都比最小均方自适应法表现出更好的性能.     

基于相位起伏谱分析的目标尺度识别机理

本文以国外某自导鱼雷为背景,研究其尺度识别的机理。分析表明,该声自导鱼雷双波束测向系统中鉴相输出信号的频谱赖于目标尺度。近似为“点目标”的声干扰器信号具有窄的相位起伏谱;而作为延展目标的潜艇信号具有较宽的相位起伏谱,从而可以根据输出信号的相位起伏谱的宽窄来进行真假目标的识别。     

声引信目标识别技术的研究

对地雷声引信目标识别技术进行了研究。提出利用小波变换后声信号在不同尺度的能量值作为目标的特征矢量，并采用均方加权距离分类器来识别坦克和直升机。检验结果表明，该方法提取的特征稳定，并且，该技术具有高的识别率。     

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。     

基于HMM模型的战场侦察多目标识别技术研究

隐Markov模型是一种用于语音识别比较成功的统计模型，战场侦察的多目标识别是战场侦察技术传感器走向实用的关键技术之一，对传统的隐Markov模型的结构和分类器进行了改进，使其初步可以实现由背景噪声环境下的多种类目标的识别。