基于DLPCC和ELM的装甲车辆声识别

被引：4

作者：

樊新海

石文雷

张传清

机构：

[1] 陆军装甲兵学院车辆工程系

来源：

兵器装备工程学报 | 2018年 / 39卷 / 07期

关键词：

动态线性预测倒谱系数; 极限学习机; 特征提取; 声识别;

D O I：

暂无

中图分类号：

TJ811 [坦克、装甲车];

学科分类号：

080208 [智能装备与机器人];

摘要：

以常见的3种坦克和4种履带式装甲车为识别对象,提出了一种基于动态线性预测倒谱系数(DLPCC)和极限学习机(ELM)的装甲车辆声识别模型。该模型以DLPCC为特征,对不同工况下的装甲车辆噪声信号进行特征提取。根据噪声信号特征对ELM进行特征训练和识别,获得噪声识别模型。实验结果表明,DLPCC能更好地体现噪声特征,识别效果优于传统的LPCC。与传统的BP神经网络以及概率神经网络(PNN)相比,以极限学习机为分类器的识别模型具有用时短、准确率高的特点,识别率达到91%以上。

引用

页码：20 / 25

页数：6

共 9 条

[1]

Trends in extreme learning machines: A review.[J].Gao Huang;Guang-Bin Huang;Shiji Song;Keyou You.Neural Networks.2015,

[2]

Extreme learning machine: Theory and applications.[J].Guang-Bin Huang;Qin-Yu Zhu;Chee-Kheong Siew.Neurocomputing.2006, 1

[3]

基于MFCC和支持向量机的装甲车辆识别研究 [J].