声目标识别系统研究与实现

随着自动化、智能化、信息化时代的到来,利用声音对目标进行自动探测、识别和定位在民用和军用方面均得到了广泛的应用,如语音信息、机械故障的检测和识别,战场中各种车辆、坦克、直升机、舰船、潜艇等目标的探测、识别与定位。鉴于声目标的探测、识别在各领域的广泛应用及其所具有的潜在应用价值,声目标识别系统成为人们研究的重要内容。 本文以声目标的探测与识别为研究背景,对被动声识别技术与系统实现进行了研究。采用小波变换和人工神经网络及支持向量机的模式分类技术相结合的方法,设计实现了一个可对声信号进行识别处理的系统。论文首先介绍了声目标识别系统的硬件组成及设计过程,并用小波和小波包算法对声信号进行了消噪处理。仿真实验表明,两者中小波包消噪方法降噪的效果更好,更能真实地恢复原始信号,更有利于提高系统的可靠性。特征提取中采用小波包能量特征提取算法对四种目标数据进行了特征提取,结果表明该算法提取的数据能表征目标的特征,很好地体现不同目标的差异。最后,分别采用人工神经网络和支持向量机的模式分类方法,设计了一个配置为8×7×4的具有一个隐含层的三层BP神经网络分类器,和一个可对3种目标进行识别的2级支持向量机模式分类器,并对两者的识别效果和优劣进行了分析。 通过对四种目标数据进行的实验表明,该系统能有效地对声目标进行分类识别,文中所提的理论和方法是可行的。