论文摘要
随着社会进步和民航业的迅猛发展,政府、航空公司和公众对航空安全的要求越来越高。飞机上用来记录各类声音数据的设备——驾驶舱话音记录器(Cockpit Voice Recorder,CVR),无疑成为保障航空安全的关键所在。CVR是必不可少的机载设备,它通过4个独立声道记录着驾驶舱内最近2小时或30分钟的各种声音,包括机组内话、陆空通话、音响警告等。这些声音记录不仅能够用来判断机组的操纵、意识、决断、生理心理状态,还可以分析航空器状态及所处环境,为事故调查提供了又一丰富而准确的依据。针对CVR中记录的声信息多而复杂、频率范围宽、信号非平稳等特点,本文结合小波变换及神经网络的方法,从CVR的背景声中分离出有用的信号,并对分离后的信号进行分类,有效地实现了CVR背景声的识别,对确定航空事故原因及保障未来飞行安全,都具有重要的实用价值。首先,在中国民用航空总局航空安全技术中心建立的“飞机舱音信息样本库”基础上,应用小波降噪原理对CVR的信号进行降噪处理,结合独立分量分析的快速固定点算法对混合信号进行分离,得到分离后的开关、旋钮、警报等独立声音样本。其次,选择分离后的独立样本,进行信号处理,经过预处理之后,提取他们的短时能量、短时平均幅度、幅值谱及Mel倒谱参数等特征作为样本的特征参数用于分类识别。随后本文深入研究了核方法在特征提取方面的应用,对CVR样本的数据空间进行了压缩,并将核主成分分析与神经网络相结合,分析了核主成分分析与RBF神经网络相结合的分类识别能力,并在此基础上采用改进的RBF神经网络算法。最后本文进一步分析了基于核函数的SVM多类分类方法,结合核主成分分析将该算法用在CVR背景声的分类识别上,取得了较为理想的分类效果。本文的研究对于有效判断CVR背景声中所蕴含的内容,确定飞机事故原因都将具有重要的意义。
论文目录
摘要ABSTRACT第一章 绪论1.1 概述1.2 舱音记录器的发展概述1.3 舱音记录器非话语的信号处理1.3.1 舱音记录器声信息的分类及特点1.3.2 舱音记录器的研究现状1.4 声信息识别的一般过程1.5 论文的主要研究内容第二章 基于独立分量分析的CVR 背景声分离2.1 引言2.2 CVR 声音信息的小波降噪2.2.1 小波变换理论与分析2.2.2 连续小波变换2.2.3 离散小波变换2.2.4 声音信号的小波降噪2.2.5 CVR 声音信息的降噪结果2.3 独立分量分析原理2.3.1 独立分量分析2.3.2 信号的非高斯性测度2.3.3 对照函数2.4 CVR 混合信号分离2.4.1 信号的预处理2.4.2 快速ICA 算法2.4.3 仿真实验结果2.5 本章小结第三章 CVR 背景声信号的特征分析3.1 引言3.2 背景声的预处理3.2.1 去噪处理3.2.2 分帧加窗3.2.3 端点检测3.3 背景声的时域分析3.3.1 短时能量分析3.3.2 短时平均幅度分析3.3.3 短时过零率分析3.4 背景声的频域分析3.4.1 幅值谱3.4.2 功率谱3.4.3 对数谱3.4.4 CVR 信号时频特征分析3.5 背景声的倒谱分析3.5.1 倒谱分析3.5.2 MFCC 分析3.5.3 MFCC 的求取过程3.6 本章小结第四章 基于核主成分分析方法的CVR 背景声特征提取4.1 引言4.2 核方法的理论基础4.2.1 核的定义4.2.2 再生核理论及Mercer 定理4.2.3 常用核函数及其构造4.3 CVR 背景声的特征提取4.3.1 主成分分析4.3.2 核主成分分析4.3.3 PCA 与 KPCA 的比较4.4 本章小结第五章 基于神经网络的CVR 背景声识别5.1 引言5.2 RBF 神经网络5.2.1 RBF 神经网络的拓扑结构5.2.2 RBF 神经网络的映射机理5.2.3 RBF 神经网络的改进算法5.3 SVM 分类器设计5.3.1 线性支持向量机5.3.2 基于核的支持向量机算法分析5.3.3 用于多类问题的SVM 算法分析5.4 CVR 背景声识别的实验分析5.4.1 基于RBF 神经网络的CVR 背景声识别5.4.2 基于SVM 多类分类算法的CVR 背景声识别5.4.3 分类算法比较5.5 本章小结第六章 总结与展望6.1 工作总结6.2 今后展望参考文献致谢在学期间的研究成果及发表的学术论文
相关论文文献
标签：舱音记录器论文; 独立分量分析论文; 倒谱分析论文; 主成分分析论文; 核方法论文; 神经网络论文; 支持向量机论文;
