Print

水下被动目标语音特征和分形特征提取研究

论文摘要

特征提取是水下被动目标识别的关键环节,由于海洋环境的复杂性和水声信道的特殊性,要从舰船辐射噪声信号中抽取一种既能反映目标本质特征,又能满足水下远距离探测要求的有效特征,一直是这一领域的难题。本文对水下被动目标的语音特征和分形特征提取作了研究。重点研究了MFCC特征、时间域多重分形特征和频率域多重分形特征提取算法。美尔倒谱系数(MFCC)模拟了人耳的听觉特性,在语音识别中取得较高识别率。理论上人对语音的识别与声纳兵对舰船辐射噪声的识别机理是相同的。因此,本文将MFCC应用于舰船辐射噪声特征提取上,通过选择合适的Mel滤波器个数和MFCC阶数,提取出对识别有效的水下被动目标语音特征。建立了水声信号的时域分数布朗运动模型,以相空间重构理论为基础,用Takens延时法对时间序列进行相空间重构,在超维相空间中研究舰船辐射噪声的非线性特性。研究了舰船噪声频率域的多重分形特征提取方法,计算出舰船噪声功率谱的奇异测度,结合多重分形小波分析方法,对舰船噪声功率谱的多重分形特征——广义维数进行计算。研究表明,该特征可有效用于分类识别。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 水下目标特征提取研究背景分析及意义
  • 1.2 国内外研究现状
  • 1.3 对选题的研究性设想
  • 1.4 本文研究内容
  • 第2章 基于语音分析的舰船辐射噪声特征提取
  • 2.1 舰船辐射噪声机理
  • 2.2 语音信号倒谱分析
  • 2.2.1 倒谱分析
  • 2.2.2 Mel 频率
  • 2.2.3 Mel 频率倒谱系数
  • 2.2.4 MFCC提取算法
  • 2.3 仿真研究
  • 2.4 实验数据处理
  • 2.5 本章小结
  • 第3章 时间域多重分形特征提取
  • 3.1 引言
  • 3.2 分形几何的基本理论
  • 3.2.1 Hausdorff测度与Hausdorff维数
  • 3.2.2 迭代函数系统与自相似分形
  • 3.3 分形维数
  • 3.3.1 盒维数
  • 3.3.2 多重分形
  • 3.4 舰船辐射噪声的分数布朗运动模型
  • 3.4.1 分数布朗运动
  • 3.4.2 水声信号的分数布朗运动
  • 3.5 时间域多重分形特征提取
  • 3.5.1 时间序列多重分形分析原理
  • 3.5.2 相空间重构嵌入维数和延迟时间的选取
  • 3.5.3 时间序列多重分形分析算法仿真
  • 3.5.4 水中目标辐射噪声时间域多重分形特征提取
  • 3.6 本章小结
  • 第4章 功率谱多重分形特征提取
  • 4.1 引言
  • 4.2 多重分形的小波分析
  • 4.2.1 多重分形小波分析方法概述
  • 4.2.2 小波模极大值求解方法
  • 4.3 舰船噪声功率谱的多重分形分析
  • 4.3.1 舰船噪声功率谱奇异测度分布函数
  • 4.3.2 舰船噪声功率谱多重分形特征提取
  • 4.4 基于多重分形特征的舰船噪声分类
  • 4.5 本章小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表的论文和取得的科研成果
  • 致谢
  • 相关论文文献

    本文来源: https://www.lw50.cn/article/ad0ffd43dd949d038a77bc50.html