基于ICA和HMM的战场混叠声目标识别.pdf

《基于ICA和HMM的战场混叠声目标识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第19卷第1期弹道学报VoI.19No.12007年3月JournaIofBaIIisticsMarch2007基于ICA和HMM的战场混叠声目标识别陈功，张雄伟（解放军理工大学通信工程学院，南京210007）摘要：为识别战场混叠声目标，提出一种基于独立分量分析（ICA）的声目标盲分离和隐马尔可夫（HMM）识别的混合声识别方法.建立已知声目标的HMM，实现混叠声目标盲分离，提取的线性预测系数作为声目标识别参数，通过!均值聚类得到训练和识别特征向量，通过Viterbi解码判断声目标的类别.仿真结果表明，ICA分析能有效地分离混叠声目标信号，基于线性

2、预测系数的HMM识别率较高，混合模型识别系统在混叠声目标识别中具有可行性.关键词：独立分量分析；隐马尔可夫模型；线性预测系数；目标识别；仿真中图分类号：TP391.4文献标识码：A文章编号：1004-499X（2007）01-0092-05IdentificationofFieldMixingAcousticTargetsBasedonICAandHMMCHENGong，ZHANGXiong-wei（InstituteofCommunicationsEngineering，PLAUniversityofScience&TechnoIogy，Nan

3、jing210007，China）Abstract：Toidentifymixingacoustictargets，theindependentcomponentanaIysis（ICA）bIindsep-arationfrommixingacoustictargetswascombinedwithHMMidentification.Anidentificationmeth-odbasedonHMMwasestabIishedtoseparatemixingacoustictargetsthroughextractingLPCcharac-ter

4、istics.TheHMMwasempIoyedtocomputetheViterbioutputscore，and!-meansaIgorithmwasusedascIusterLPCcoefficients.TargetswereidentifiedbyICA-HMMmodeI.SimuIationindicatesthatICAcanseparatemixingtargetsefficientIy.HMMidentificationperformancebasedonLPChy-bridmodeIisgood，anditiseffectiv

5、eonmixingacoustictargetsidentification.Keywords：idependentcomponentanaIysis；hiddenMarkovmodeI；LPC；targetidentification；sim-uIation目前的战场声识别系统具有较高的识别率，但当谱重叠，常规的滤波、小波变换方法在滤除干扰信号系统的输入含有干扰信号时，性能会大大降低.在战的同时会使目标信号失真，很难将干扰信号从目标信场环境中，一个识别系统的输入往往是多种声目标号中分离出来.独立分量分析（independentcomponent

6、（坦克、直升机等）的混叠，如果把混叠声目标分离作anaIysis，ICA）作为一种新的自适应盲源分离技术，在为声识别系统的前端，就可将待识别声目标从其他目战场多种声目标源独立的条件下，无需信号源及其传标或噪声中分离出来，提高系统在实际环境中的识别播通道传递特性的任何信息，仅利用接收的时间序列［1，2］率，还可以检测声源数目和确定声源方位，并能够判数据，即可进行信号分离.断和分析新出现的声学目标.这方面的研究在反坦克目标识别是反坦克、反直升机智能雷弹系统的关和反直升机战争中日益为人们所关注.战场混叠声目键技术环节，而隐马尔可夫模型（HMM）识别已经

7、在［3，4］标中干扰信号和目标信号具有相同的频率范围，且频语音识别及模式识别中得到了广泛的应用.HMM收稿日期：2006-03-11作者简介：陈功（1979-），男，助理工程师，博士生，研究方向为战场态势感知和多媒体信息处理技术.第1期陈功，等基于ICA和HMM的战场混叠声目标识别93是一个时间序列模型，它是一个无记忆的非平稳随机式中，G为未知且可逆的h>I矩阵，为信号源到接收［4］过程.因此，具有很强的表征时变信号的能力，很适阵的传递函数，其可逆性保证了源信号的可分离.传合用作动态模式分类器，可以有效提高雷弹系统的智感器数目IBh.ICA算法是

8、在S和G都未知的情况T-1能程度和目标识别可靠性.下寻找分离矩阵W=G，并从X中分离源信号：-1T本文提出一种基于ICA战场混叠声目标盲