基于多维特征空间的低空声目标综合识别方法及装置制造方法及图纸

本发明专利技术涉及一种基于多维特征空间的低空声目标综合识别方法及装置，通过多通道声音传感器阵列采集信号；对采集信号进行分析计算，获得包括时频特征、空间特征和谐波特征的多维特征向量；将所述多维特征向量输入至目标分类模型，进行目标识别。本发明专利技术能够有效提高目标识别率。

【技术实现步骤摘要】
基于多维特征空间的低空声目标综合识别方法及装置
本专利技术涉及一种基于多维特征空间的低空声目标综合识别方法及装置。
技术介绍
利用声传感器被动接收低空运动目标(如直升机、战斗机等)辐射噪声信号，并利用阵列信号处理和模式识别等方法，可得到目标的方位、属性、运动状态等信息。声探测具有不受电磁干扰、隐蔽性好、生存能力强；声波具有绕射特性，不受通视、能见度条件限制，在山地、丘陵等复杂地形条件下，以及夜间、雨雾等不良气象条件下，对低空隐蔽目标能够准确探测；利用目标噪声提取声纹特征，可实现目标类型、型号的精准识别。声目标识别技术包括声信号特征提取和分类器设计两个阶段，其中前者是决定目标识别性能的关键。现有声音识别方法所采用的声信号特征主要包括时域特征(如短时能量、过零率、自相关系数等)、频域特征(如功率谱、AR谱、高阶谱等)、时频域特征(如小波包系数、短时幅度谱等)以及听觉感知类特征(如MFCC、Gammatone听觉谱特征等)。上述几类特征从原理上均属于单通道信号特征，即基于单个传声器信号便可完成特征提取，所提取的特征通常只能涵盖目标信号本文档来自技高网...

【技术保护点】
1.一种基于多维特征空间的低空声目标综合识别方法，其特征在于，包括以下步骤：/n步骤1：通过多通道声音传感器阵列采集信号；/n步骤2：对采集信号进行分析计算，获得包括时频特征、空间特征和谐波特征的多维特征向量；/n步骤3：将所述多维特征向量输入至目标分类模型，进行目标识别。/n

【技术特征摘要】
1.一种基于多维特征空间的低空声目标综合识别方法，其特征在于，包括以下步骤：
步骤1：通过多通道声音传感器阵列采集信号；
步骤2：对采集信号进行分析计算，获得包括时频特征、空间特征和谐波特征的多维特征向量；
步骤3：将所述多维特征向量输入至目标分类模型，进行目标识别。


2.根据权利要求1所述的基于多维特征空间的低空声目标综合识别方法，其特征在于：步骤2中，时频特征、谐波特征通过对单通道信号的分析计算获得；空间特征通过对多通道信号的分析计算获得。


3.根据权利要求1所述的基于多维特征空间的低空声目标综合识别方法，其特征在于：步骤2中，信号的时频特征通过如下方法获得，
将信号通过傅里叶变换获得频谱，对频谱取模平方获得其功率谱；
通过Mel滤波器组对所述功率谱进行滤波，获得Mel谱；
对所述Mel谱进行离散余弦变换获得Mel频率倒谱系数MFCC。


4.根据权利要求1所述的基于多维特征空间的低空声目标综合识别方法，其特征在于：步骤2中，信号的谐波特征通过如下方法获得，
通过谐波检测获得谐波谱；
对所述谐波谱进行离散余弦变换获得谐波谱倒谱系数HPCC。


5.根据权利要求4所述的基于多维特征空间的低空声目标综合识别方法，其特征在于:基于如下公式进行谐波检测,
|frequency(k)/fm-imk|≤ε
式中frequency(k)表示各功率谱谱峰对应的频率，fm是假定基频，imk对应谐波次数,ε是选定的阈值。


6.根据权利要求4所述的基于多维特征空间的低空声目标综合识别方法，其特征在于：步骤2中，信号的空间特征通过如下方法获得...

【专利技术属性】
技术研发人员：杨立学，王志峰，周印龙，袁彦，
申请(专利权)人：中国电子科技集团公司第三研究所，
类型：发明
国别省市：北京;11