特征提取及特征优选在车辆声识别中的应用研究

车辆声识别系统是现代无线传感器网络(Wireless Sensor Network, WSN)的一个重要组成部分,它能准确感知到机动目标是否出现在周围,并判别出它们的类别和数量等信息。配合WSN中的其它功能模块,如目标定位、跟踪和攻击等,它促成了一种现代化的、智能的侦察与作战方式,在当前战场信息化趋势不断加剧的背景下,已经成为影响战场态势的重要因素。 本文设计并实现了一个车辆声音识别系统,它可以对两类目标车辆进行分类。系统由信号采集、信号检测、特征提取、特征优选、分类识别和系统性能评估等模块组成,其中特征优选和系统性能评估模块是系统设计阶段的重要模块。论文提出了基于OS-CFAR的声信号检测算法,准确地实现了有效声音数据的分离,为后续特征提取及分类提供了正确的声音类别。在介绍车辆声识别系统工作原理的基础上,论文重点分析了特征提取技术的实现及优选方法,提取了短时能量、过零率、谐波集、频谱质心、线性预测系数、倒谱系数和小波能量等的声音特征,形成一个备选特征库。针对这些特征,应用了特征区分度准则对其进行了初步的评估,剔除了一部分劣质特征。随后,本文运用遗传算法(Genetic Algorithm, GA)对备选特征库进行了优化搜索,精选了一个特征子集作为特征向量。 实验结果表明该优选后的特征子集有效地降低了系统的错误分类概率,从优化前的56.7%降低到11.7%。