基于多重特征提取的战场车辆声目标识别.pdf

《基于多重特征提取的战场车辆声目标识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、3O传感器与微系统(TransducerandMicrosystemTechnologies)2010年第29卷第7期基于多重特征提取的战场车辆声目标识别董伟，王红亮，黄洋文(中北大学电子测试技术国家重点实验室仪器科学与动态测试教育部重点实验室，山西太原030051)摘要：战场上车辆声音信号的构成非常复杂，采用单一的特征很难全面反映其特点，提取多种特征来构成特征向量就显得非常重要。应用改进的横虚警率检测(CFAR)算法对车辆声信号进行了分离，得到了数据的有效部分；提取了谐波集，Mel倒谱系数(MFCC)和小波能量3种特征，并应用主成分分析(PCA)方法对特征

2、集进行了降维融合处理。实验结果表明：3种特征融合后的分类性能要好于单一特征，目标的识别率能够达到90％以上。关键词：特征提取；横虚警检测；特征降维；目标识别中图分类号：TP212文献标识码：A文章编号：1000-9787(2010)07-0030-03BattlefieldvehicleacousticidentificationbasedonmultiplefeatureDONGWei，WANGHong—liang，HUANGYang—wen(NationalKeyLaboratoryofElectronicMeasurementTechnology，Ke

3、yLaboratoryofInstrumentationScience&DynamicMeasurement，MinistryofEducation，NorthUniversityofChina，Taiyuan030051，China)Abstract：Vehicleacousticsignalsinbattlefield，whichconsistofmanydifferentcomponentsareverycomplex．Becauseasingleacousticfeaturecanhardlyreflectfullcharacteristicsoft

4、hevehicle，multiplefeaturesshouldbeextractedtoformcharacteristicvector．VehicleacousticsignalsareseparatedfromalltheacquiredsignalsbyusingmodifiedCFARalgorithm．Thethreefeaturesareextracted，includingharmonicset，MFCCandwaveletenergy．Buttheresultingfeaturevectoristoolarge，SOPCAmethodisa

5、ppliedtoreducethedimensionoffeaturevector．Theexperimentresultsshowthatthecombinedthreefeaturesarebetterthanthesinglefeatureinclassificationperformanceandtheidentificationratecanreachabove90％．Keywords：featureextraction；constantfalsealarmrate(CFAR)；dimensionreduction；targetidentifica

6、tion0引言量进行了处理，大大降低了特征向量的维数。声目标识别系统的性能在很大程度上是由特征向量的本文首先对数据的有效部分进行了提取，然后，分别提好坏决定的。现在已有许多特征提取方法被开发出来，其取了谐波集，MFCC和小波能量3种特征，最后，对实验结中，文献[1]将谐波集应用到了直升机声目标的识别当中，果进行了分析和总结。取得一定的分类效果；文献[2]应用小波变换系数作为特1两类车辆声信号的提取征分类地面车辆，也取得了良好的效果，此外，MFCC，线性1．1数据集的选取预测系数(LPC)等特征在语音识别中也有着很广泛的应本文选取了SenslT项目的战车声音库

7、作为数据源，通用。但这些工作都侧重于研究某一个特征的好坏，实际上过一个分布式传感器网络采集得到，采样率均为4960Hz。车辆声信号的构成非常复杂，包含发动机的噪声、轮胎与地这个库的声音主要来源于两类车辆，AAV履带式战车和面的摩擦和背景噪声等，是典型的非平稳信号。因此，仅仅DW轮式战车。依靠某一个特征，很难全面反映其特征，常常导致其他重要1．2声信号的提取信息的丢失，这就有必要综合多种特征，互相补充，然而，简这两类信号的时间跨度都比较长，多在100S以上，而单组合后的特征向量维数会非常庞大，不利于后续的分类实际上只有在车辆距离声传感器最近的那段时间内，信号识

8、别，针对这个缺点，本文应用主成分分析(PCA)对特征