A target recognition method and MFCC artificial neural network based on the underwater, the method includes: the original voice signal to identify the target of S (n) pretreatment, time domain signal x of each speech frame (n); extraction time domain signal x (n) MFCC features, the use of MFCC features the amount of two times to obtain the differential feature extraction of MFCC features, MFCC features, MFCC features and differential x (n) of the peak frequency with formation of MFCC mixed features, the MFCC mixed feature vector is input to the artificial neural network classifier is trained to recognize, identify the type of output. MFCC mixed feature extraction method of the invention of the imitation of the characteristics of human hearing, the human ear excellent sound signal processing capability is effectively applied to underwater target classification; at the same time the characteristics of the signal frame, reduces the error of environment noise, improves the recognition rate under water target.
【技术实现步骤摘要】
一种基于MFCC和人工神经网络的水下机动小目标识别方法
本专利技术涉及水下小目标的识别领域,具体涉及一种基于MFCC和人工神经网络的水下机动小目标识别方法。
技术介绍
冷战时期,各国处在战争警戒状态,海上探测和防御的对象主要是敌对国家的舰船和潜艇等大型目标。随着冷战的结束,特别是前苏联解体后,水下武器装备小型化的迅速发展,蛙人、水下运载器及水下机器人等技术装备的日益成熟,这类目标具有隐蔽性好,破坏力强等明显“非对称”优势的攻击方式,已成为恐怖主义分子进行恐怖活动的重要方式。近年来,国内外等对蛙人等水下小目标的探测及识别进行了相关研究,但针对水下机动小目标的分类识别较少。在主动声信号识别领域,装备美国海军的SQS-26声呐具有主动目标分类功能。另外,很多国外海军的鱼雷自导系统,现在也已经具备了识别船舶要害部位的能力。文献[1](吴国,李靖,李训浩,陈耀明,袁毅.舰船噪声识别(III)—双重谱和平均功率谱的特征提取和模板图.声学学报,1999,24(2):191-196页;吴国清,李靖,李训法,陈耀明,袁毅.舰船噪声识别(IV)—模糊神经网络.声学学报,1999,24(3):275-280页)等人对舰船的辐射噪声进行了大量的研究,提取了舰船辐射噪声的众多特征,并利用统计模式识别和模糊神经网络相结合的方式对舰船噪声进行识别。文献[2](LIQihu,WANGJinlin,WEIWei.Anapplicationofexpertsysteminrecognitionofradiatednoiseofunder-watertarget.Beijing:Institu ...
【技术保护点】
一种基于MFCC和人工神经网络的水下机动小目标识别方法,所述方法包括:对待识别目标的原始声音信号s(n)进行预处理,得到每个语音帧的时域信号x(n);提取时域信号x(n)的MFCC特征量,利用MFCC特征量进行二次特征提取获取差分MFCC特征量,将MFCC特征量、差分MFCC特征量和x(n)的峰值频率进行结合,形成MFCC混合特征量,将所述MFCC混合特征向量输入到训练好的人工神经网络分类器进行识别,输出识别的类型。
【技术特征摘要】
1.一种基于MFCC和人工神经网络的水下机动小目标识别方法,所述方法包括:对待识别目标的原始声音信号s(n)进行预处理,得到每个语音帧的时域信号x(n);提取时域信号x(n)的MFCC特征量,利用MFCC特征量进行二次特征提取获取差分MFCC特征量,将MFCC特征量、差分MFCC特征量和x(n)的峰值频率进行结合,形成MFCC混合特征量,将所述MFCC混合特征向量输入到训练好的人工神经网络分类器进行识别,输出识别的类型。2.根据权利要求1所述的基于MFCC和人工神经网络的水下机动小目标识别方法,其特征在于,所述方法具体包括:步骤1)对待识别目标的原始声音信号s(n)进行预处理,得到每个语音帧的时域信号x(n);步骤2)计算时域信号x(n)的2K个MFCC系数,并将偶数位置的MFCC系数形成MFCC特征量;步骤3)对2K个MFCC系数进行二次特征提取,计算2K个差分MFCC系数,并将偶数位置的MFCC系数形成差分MFCC特征量;步骤4)计算时域信号x(n)的峰值频率f;步骤5)将MFCC特征量、差分MFCC特征量和峰值频率f进行结合,形成MFCC混合特征量;步骤6)将所述MFCC混合特征向量输入到训练好的人工神经网络分类器进行识别,直至识别成功,输出识别的类型。3.根据权利要求2所述的基于MFCC和人工神经网络的水下机动小目标识别方法,其特征在于,所述步骤2)具体包括:步骤201)将时域信号x(n)经过离散傅里叶变换后得到线性频谱X(k):其中,N为表示傅里叶变换的点数;步骤202)计算线性频谱X(k)的能量谱,通过2K个带通滤波器对能量谱进行带通滤波;步骤203)计算每个带通滤波器组输出的对数能量为:
【专利技术属性】
技术研发人员:许枫,宋宏健,闫路,
申请(专利权)人:中国科学院声学研究所,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。