基于HMM与K-均值聚类的声目标识别

提出一种隐马尔可夫模型和K-均值聚类混合模型的声目标识别方法.在该方法中,建立声信号的HMM,提取了声信号的线性预测系数（LPC）作为目标识别的参数,用K-均值算法对参数进行聚类,产生了训练和识别所用的特征向量.最后根据混合模型的识别算法判断声目标的类别.仿真结果表明：新的混合模型识别系统在声目标识别中具有可行性.     

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.     

一种新的混合信号调制识别方法

在现代电子对抗和通信侦察中,共信道通信信号的调制模式识别是重要的研究课题。经验模态分解(EMD)是一种处理非平稳信号的新方法,但标准EMD方法存在模式混叠问题。文中提出了一种基于EMD分解与希尔伯特变换相结合的调制识别新算法,通过在EMD分解过程中多次添加掩蔽信号,用于共信道混合信号的分离,并讨论了所添加的掩蔽信号能够消除模式混叠现象需满足的必要条件。计算机仿真结果表明,该方法对频谱不混叠的单载波混合信号有较好的分离和调制识别效果。     

隐马尔可夫模型和支持向量机混合模型声识别

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.     

基于改进鲸鱼优化算法的盲源分离方法

针对盲源分离方法中粒子群算法设置参数多、收敛速度慢的问题,提出了基于改进鲸鱼优化算法的盲源分离方法。该方法利用独立性准则,以混合信号的峰度作为目标函数,用鲸鱼优化算法代替常规的粒子群算法,并引入自适应权重,加快收敛速度,实现了对瞬时混叠信号的盲分离,有效解决了粒子群算法参数复杂、收敛速度慢的问题。仿真对比结果表明,基于改进鲸鱼优化算法的盲分离方法性能优于基于粒子群优化算法的盲分离方法,在低信噪比下也有良好的分离效果,应用于盲信号分离问题中是有效的。     

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。     

一种新的盲声源分离方法及应用

介绍了盲源分离的原理及几种常用的基于独立分量分析的盲源分离方法．瞬时混合声信号可看作是对声源信号的线性变换,因此通过线性反变换能够实现对声源信号的估计．基于这一思路,提出了一种适用于瞬时混合信号的盲源分离新方法．该方法采用了线性变换原理,通过对信号高斯性的检测来求解最佳变换角度,并依此构造分离矩阵实现源信号的分离．给出了该方法的实现步骤,还将该方法用于混合语音声音信号的分离,以及实际电机和轴承混合声音信号的分离．应用结果表明,提出的方法有良好的声源信号分离效果．     

基于多模板矢量量化的战场目标识别的算法

提出噪声背景下基于多模板矢量量化的声目标识别方法。加性背景噪声中，提取了声信号的线性预测系数（LPC）作为目标识别的参数，对不同类型，不同信噪比的声目标进行模型训练用，使每个声目标具有多个模板。最后根据矢量量化识别算法判断声目标的类别。仿真结果表明，该方法在单一噪声背景下的声目标识别中具有可行性。     

基于阵列模型的窄带信号盲解卷积方法

在水声技术中,鱼雷对多目标进行被动检测时,需要对多目标源信号进行分离、定位,而雷体传感器阵列接收的信号通常为纯时延卷积混合信号.本文针对这种卷积混合只考虑窄带信号情况,把盲分离与阵列信号处理结合起来,将实数的卷积混合转化为复数的瞬时混合,从而在盲分离阵列模型的基础上,通过复数盲分离的手段完成盲解卷积.解卷积恢复的多目标源信号十分有利于多目标特征识别与定位.文中所构建的正弦信号盲解卷积仿真试验取得了令人满意的结果,表明方法是正确有效的.     

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。     

声/地震动目标融合识别

根据声／地震动目标信号的特点，提出运用小波变换对信号进行特征提取，并对数据进行统一的FOBW子带编码，在此基础上，运用D－S证据理论对目标进行融合识别，对比单一传感器的识别结果表明，该方法能明显提高识别能力，同时降低识别的不确定性，提高识别的实时性。     

水文条件对鱼雷声自导作用距离的影响

针对真实水文条件下鱼雷声自导对实际目标的作用距离预报问题，总结了不同海域、不同季节的典型水文条件，提出了鱼雷声自导作用距离预报方法，以射线声学理论为基础建立了传播损失预报模型，以单元散射模型为基础建立了混响级预报模型。根据声自导鱼雷的技术参数，采用网格搜索法预报真实水文条件下鱼雷声自导对实际目标的作用距离，旨在为鱼雷攻击提供建议。     

基于双层隐马尔可夫模型的重型车辆行驶状态辨识方法研究

为实时监测并发现重型车辆危险行驶姿态,在重型车辆侧翻预警系统中,采用一种基于双层隐马尔可夫模型的重型车辆行驶状态辨识方法,动态辨识重型车辆行驶状态。选取典型重型车辆行驶工况,采集相应工况数据,采用T-G检验法对数据序列进行剔除异常数据预处理。利用K-means算法设定重型车辆行驶状态的阈值。利用Baum-Welch算法对双层隐马尔可夫模型进行优化,应用优化后的隐马尔可夫模型进行重型车辆行驶状态在线辨识。辨识结果表明：该模型可准确、高效地辨识各个单一和复合工况下的车辆行驶状态,并且具有很好的实时性。     

水声信号盲分离算法性能评价准则

在水声信号盲分离技术仿真研究中，需要评价算法的收敛速度，稳态误差等，文中分析了水声基阵接收信号的实数延时模型和复数混合模型，提出了水声信号盲分离算法性能评价准则。该准则分为基于混合基阵和信号估计两种，在三／四元均匀线列阵上，盲分离实测非高斯舰船辐射噪声，分别用CRLS，CACY，EASI，CMA，MKMA算法通信班下了提出的算法评价准则，同时还给出了这些算法分离水声信号的性能曲线。     

灰关联分析法在坦克声目标识别系统中的应用

提出了一种基于灰关联分析的坦克声目标识别算法。该算法提取坦克声信号线性预测系数特征作为关联参数,通过比较坦克声信号的灰关联值实现目标识别。仿真结果表明：该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,无噪背景下,平均识别率可达到90%。因此该算法在声目标识别系统中具有普适性和可行性。     

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Kirchhoff近似法的目标声散射场仿真

对经典的Kirchhoff公式作一定的假设,得到收发合置情况下的近似Kirchhoff公式,进一步对球体目标声散射场进行求解。在MATLAB平台下,仿真出目标声散射场的相关曲线,并对声散射场与作用距离和入射波频率的关系进行了对比分析。应用表明,结论对于水下掩埋目标探测与识别的研究具有一定实用价值。     

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。     

基于视频的装甲车和飞机检测跟踪及轨迹预测算法

针对当前视频目标跟踪算法跟踪多目标容易跟丢的问题,以视频中的装甲车、飞机为研究对象,研究一种改进跟踪学习检测(TLD)的视频多目标检测跟踪算法.对于跟丢的目标,利用Kalman滤波算法的预测功能跟踪视频中典型目标的轨迹,并采用Kalman滤波算法跟踪的轨迹来弥补TLD算法丢失的部分,从而获得视频中典型目标的完整轨迹,以...