基于主分量分析的声信号特征提取及识别研究

《基于主分量分析的声信号特征提取及识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第!"卷第#期声学技术$%&’!"，(%’#!))*年+月,-./01.2&3.%4561.5728’，!))*基于主分量分析的声信号特征提取及识别研究##!#陈9丹，李京华，黄根全，许俊峰#’西北工业大学电子信息学院，西安，:#)):!；!’西北工业大学自动化学院，西安，:#)):!摘要：主分量分析（;<3）是统计学中分析数据的一种有效方法。研究了基于主分量分析的声信号特征提取算法，并利用这种算法对四种战场目标的声信号进行特征提取，获得了低维的特征向量。设计了=近邻和改进>;网络两种分类器对声

2、目标进行分类，分类结果准确率较高，均获得满意的实验效果。关键词：主分量分析（;<3）；特征提取；分类器；目标识别中图分类号：,(?##999文献标识码：3999文章编号：#)))@+A+)（!))*）)#@))+?@)+!"#$%&""’$&#($)*+#+,#(*%-$)(-).+#/&"(*.+)$)*+%-)+.0&)+()0#/(*10*+"+$-#+#/2-)-##!#

3、*+#,-).,’#+/0*-#,，1#+*23%4*%+,5#$6*%)2,-)7,-8%+4-*6，9-N0,:#)):!，"2-,0；!!"#$$%&%#’:;*#/0*-#,，1#+*23%4*%+,5#$6*%)2,-)7,-8%+4-*6，9-N0,:#)):!，"2-,0）34-$&#($：,/15O2O-8O8%O%5-5202&H%816/P%MM-2648--Q682.61%0M8%P2.%4561.51H02&5R25-S%0O810.1O2&.%PO%0-06202&T5

4、15（;<3）’U-2648-5%MM%486TO-5%M2.%4561.51H02&5%MR266&-M1-&S628H-628--Q682.6-S20S&%V@S1P.051%0M-2648-W-.6%85%R6210-SV16/6/156-./01K4-’=@0-28-560-1H/R%8.&2551M1-820S>;0-4@82&0-6V%8X.&2551M1-828-S-51H0-SM%86/-2.%4561.628H-6.&2551M1.261%0’Y2615M2.6%8T-QO-8

5、1P-062&8-54&65/2W-R--0%R6210-SV16/.&2551M1.261%02..482.T8-2./10H25/1H/25ZA[’5"26*&,-：O810.1O2&.%PO%0-06202&T515；M-2648--Q682.61%0；.&2551M1-8；628H-68-.%H0161%0［+］经网络分类器（改进>;网络）对降维后的特征向#9引9言量进行自动分类，在此基础上进行了多类目标的识别研究。随着战争的发展，声能的利用越来越被人们重视。由于武装直升机及巡航导弹的超

6、低空飞行给雷!9声信号频域分析达探测带来极大的困难，因此近年来被动声识别技术应用于战场目标的识别，引起了国内外相关领域一般检测问题中都假设噪声为平稳高斯随机过的广泛关注。程，但是由于目标和传感器周围环境噪声的影响，有［#］可能改变噪声的统计特性，成为非平稳非高斯过程。本文研究了基于主分量分析（;810.1O2&<%P@O%0-06302&T515，;<3）的战场目标声信号特征提取为便于处理，将原始数据分为若干个数据段进行处算法，用此算法对信号频域特征向量进行线性变换理，并假设目标噪声在每一个非常

7、短的数据段内保后，可以得到降维后的样本特征向量，再利用持平稳。=((［!（］=](-28-56(-1H/R%8<&2551M1-8）分类器和神7’89信号功率谱分析［"］对原始的采样信号采用^-&./法作功率谱收稿日期：!))"@)*@#:；修回日期：!))"@):@#!分析。^-&./法又称加权交叠平均法，是对>286&-66基金项目：国防重点实验室预研基金资助项目（*#"*")!)#)#B=)+):）；西北工业大学科技创新基金资助项目（!))+<)Z)))#）平均周期图法的改进：作者简介：

8、陈丹（#?:*@），女，陕西汉中人，硕士研究生，研究方向：信#>=]#]‘!!’,!号万方数据与信息处理<（’）_&&?（-,）S（,）%（#）=>-_#,_)#$声学技术9$$2年将数据（!"）分成#段数据!（$"），在分段时允计算)（为对称阵）的特征值!0，!9，⋯，!"和许每一段数据有部分的重叠，然后对每段数据在时对应的特征向量*0，*9，⋯*"，将各特征值按从大到域上乘以窗函数（在周期图计算前直接加进去），做小的顺序排列：!0(!9(⋯(!"，特征向量所对应的!!"，最后对每段数据的频谱