水下无源声呐目标听觉域张量特征提取方法

特征提取是水下无源声呐目标分类识别的关键步骤,提出了一种基于听觉Patterson-Holdsworth耳蜗模型的听觉域张量特征提取方法。将耳蜗模型的滤波器冲激响应视为信号分解的基函数,根据听觉模型非线性尺度或常规线性尺度确定不同通道的中心频率,然后计算出相应通道的增益和带宽,并量化冲激响应的阶数和相位参数,得到信号分解基,再根据信号分解原理得到通道数×阶数×相位数的三阶张量特征,并通过计算测试样本张量特征与训练样本张量特征间的相似性实现了水下无源声呐目标的分类识别。海上实录无源声呐目标的分类识别实验表明,提取的张量特征具有比较好的分类识别性能,听觉模型等效矩形带宽尺度优于线性尺度划分中心频率,能够提高无源声呐的目标指示能力。      

听觉模型输出谱特征在声目标识别中的应用

利用模拟人耳声信号处理过程的CcGC滤波器组模型,研究了听觉特征应用于声目标识别相比传统特征的优势。结果表明:当信号的信噪比下降时,听觉特征逐渐表现出更好的性能,体现了听觉系统优异的抗噪声能力。随后,本文从CcGC滤波器组模型所反映的听觉系统四个主要特性入手,通过仿真实验研究了耳蜗抑制噪声的机理,结果表明听觉系统的临界带划分和非线性压缩在耳蜗抑制噪声中起着关键的作用。      

嗓音多频带非线性分析的声带病变识别

提出了一种嗓音多频带非线性分析的声带病变识别方法,以提高声带病变嗓音的识别率。首先采用Gammatone听觉滤波器组对嗓音信号进行滤波,求取每个频带下的最大李雅普诺夫指数;对映射到核空间的数据采用高斯最大似然度准则优化核函数,然后采用优化核主成分分析算法实现特征抽取。识别实验表明,多频带最大李雅普诺夫指数的识别率比传统的MFCC和最大李雅普诺夫指数分别有6.52%和8.45%的提高,且采用优化核主成分分析算法比传统核主成分分析算法有更好的抽取效果.将多频带非线性分析和优化核主成分分析算法结合,识别率提升至97.82%。      

听觉外周计算模型研究进展

在简单介绍听觉外周特性之后,对近30年听觉外周计算模型的研究及其在语音识别领域的应用进行了评述,针对未来语音信号处理领域中听觉外周的建模,提出了一些设想；讨论了在被动声呐目标识别任务中应用听觉模型的可能性,同时,结合声呐目标识别的特点,对听觉外周模型的适用性建模研究,提出了若干建议。     

基于仿生特征模式匹配的海洋动物声信号识别*

针对小数据量的海洋动物声信号混合识别,将声信号同态分析过程中的线性频率转换为Mel频率,得到模拟人耳听觉特性的Mel频率倒谱系数作为声信号的特征。按照声信号所属的物种建立特征模板,使用动态时间规整算法对待识别特征进行分类识别,并对特征库和识别算法进行优化。分别提取了6种鱼类、3种虾类、12种鲸类的Mel频率倒谱系数,为每个物种建立特征模板。分3次对3种、5种、6种鱼类进行识别,分别获得了100%、96.25%、94.68%的识别率。对6种鱼类、3种虾类、12种鲸类共21个物种进行混合识别,总识别率由87.56%提升至优化后的88.96%。实验结果表明,基于Mel频率倒谱系数和动态时间规整算法的海洋动物声信号混合识别能够在小数据量时获得较高的识别率,优化后的特征库和识别算法能够提升识别率。     

基于听觉模型的话者特征参数提取及其在噪声背景下的话者辨识

本文基于人耳听觉模型提出了一种鲁棒性的话者特征参数提取方法。该种方法中,首先由Gamma tone听觉滤波器组和Meddis内耳毛细胞发放模型获得表征听觉神经活动特性的听觉相关图。由听觉神经脉冲发放的锁相特性和双声抑制特性,我们将听觉相关图每个频带中的幅值最大频率分量作为表征当前频带特性的特征参量,于是所有频带的特征参量便构成了表征当前语音段特性的特征矢量;我们采用DCT交换进一步消除各个特征参量之间的相关性,压缩特征矢量的维数。有效性试验表明,该种特征矢量基本上反映了输入语音的谱包络特性;抗噪声性能实验表明,在高斯白噪声和汽车噪声干扰下,这种特征参数比LPCC和MFCC有较小的相对失真;基于矢量量化的文本无关话者辨识表明,对于三种类型的噪声干扰该种特征参数在低信噪比下都获得了较好的识别结果。     

基于双耳模型的倒谱系数在声目标识别中的应用

在声目标识别中,基于单路信号的特征提取算法难以保证特征在低信噪比条件下的鲁棒性。针对该问题,本文使用由两个传声器组成的小孔径阵列采集信号,采用Stereausis双耳听觉模型对两路信号进行综合处理,在此基础上设计了基于双耳模型的倒谱系数,并将其作为识别特征应用于多类地面目标识别。试验表明该特征可有效提高识别系统的识别性能和抗噪声能力。     

基于Shamma模型的车辆噪声听觉谱特性与目标分类

为了满足现代交通对汽车类型自动识别的需求,针对等响度车辆噪声提出基于Shamma模型的听觉谱特性识别特征。首先分析了Shamma模型中听觉早期阶段和听皮层多尺度分析阶段的转换原理,给出了中枢听觉模型中STRF模型及纹波密度-速率图的计算方法。利用三类车辆空转状态下噪声的幅频、听觉谱和密度-速率特性进行分类识别,发现密度-速率特征具有识别率高、计算量小的特点,更适宜用于作为目标自动识别特征。     

基于多通道Gabor滤波器的高鲁棒灰度图像目标识别新方法

提出了一种针对低质量的灰度图像的基于多通道Gabor小波滤波器的高鲁棒目标识别新方法。主要是利用Gabor小波设计了滤波器,滤波器的中心频率是一个从低到高的范围。滤波器采用不同方向、不同尺度,从而组成多通道滤波器。对灰度图像直接进行小波变换,用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的灰度图像目标的特征,并对获得的小波特征归一化后输入到改进的BP神经网络分类器中进行分类识别。对四种不同的飞机灰度图像目标进行了分类识别仿真实验。结果表明,这种特征提取方法能有效地提取灰度图像目标纹理特征,并且对噪音和形状的变化具有强鲁棒性。在应用灰度图像对目标进行识别时,神经网络的训练时间减少到10min,识别率达到94%。     

基于听觉模型与自适应分数阶Fourier变换的声学特征在语音识别中的应用

分数阶Fourier变换在处理非平稳信号尤其是chirp信号方面有着独特的优势,而人耳听觉系统具有自动语音识别系统难以比拟的优良性能。本文采用Gammatone听觉滤波器组对语音信号进行前端时域滤波,然后对输出的各个子带信号用分数阶Fourer变换方法提取声学特征。分数阶Fourier变换的阶数对其性能有着重要影响,本文针对子带时域信号提出了采用瞬时频率曲线拟合求取阶数的方法,并将其与采用模糊函数的方法作了比较。在干净与含噪汉语孤立数字库上的语音识别结果表明,采用新提出的声学特征得到的识别正确率相对MFCC基线系统有了显著提高;根据瞬时频率曲线搜索阶数的算法与模糊函数方法相比,计算量大大减少,并且根据该方法提取的声学特征得到了最高的平均识别正确率。      

水下高速小目标探测中的信号波形设计研究

探讨水下高速小目标探测中的声呐信号波形设计问题,指山在混响信道和多途传播信道中适宜的信号形式是多频的时频跳变信号,并给出了抗混响的频率选择方法．要达到目标参数的精确估计,信号必须具有时频的高分辨性能．信号分析结果表明,频率序列满足Ｃｏｓｔａｓ阵列的时频跳变信号具有尖锐的模糊度指向性,可以用在探测水下高速小目标的有源声呐系统中     

水下爆炸毁伤水下目标的能量分布特征

 针对某水下目标的抗水下爆炸实验数据,利用小波包良好的时频局部化性质,对被监测水下目标内部装置的冲击加速度信号进行了能量分析,得到了冲击信号的时频分布和不同频带上的能量分布。冲击信号的频带能量分布与目标毁伤的关系密切,选用冲击信号峰值、冲击信号主振频带能量、水下目标内部装置自振频率所在频带能量作为判别因子,建立距离判别模型,对水下目标毁伤情况进行了预测;利用回代估计法对模型的合理性进行了检验。研究结果表明,预测结果与实际结果相符,证明将频带能量作为水下爆炸毁伤水下目标的特征指标是合理的。     

贝叶斯优化卷积神经网络公共场所异常声识别*

针对公共场所异常声的感知和识别问题,提出一种基于贝叶斯优化卷积神经网络的识别方法。提取声信号的Gammatone倒谱系数、倍频程功率谱、短时能量和谱质心,组合成声信号的特征图。构建卷积神经网络作为分类器,利用递增的卷积核设置和池化操作处理不同尺度的特征。基于贝叶斯优化算法优化卷积神经网络的模型参数,对包括火苗噼啪声、婴儿啼哭声、烟花燃放声、玻璃破碎声和警报声的5种公共场所异常声进行识别。该方法的识别结果与基于不同的特征提取和分类器方案得到的识别结果进行比较,结果表明该方法的识别效果优于其他特征提取和分类器方案的识别效果。最后分析了该方法在不同信噪比噪声干扰下的识别结果,验证了该方法的有效性。     

非高斯环境下的深度学习脉冲信号去噪与重构*

侧扫声呐进行沉底小目标探测时,底混响是主要背景干扰。底混响通常是一种非平稳、非高斯的带限噪声,它使得白噪声条件下的滤波器性能受到限制。在混响背景下常利用自回归模型对接收信号进预行白化处理,但对于实际侧扫声呐应用,白化后直接匹配滤波的处理效果不甚理想。针对此问题,在自回归模型预白化的基础上,提出采用一种次最佳检测与多分辨二分奇异值分解相结合的改进方法。该方法首先对接收信号进行分段处理,利用改进Burg算法估计每段数据自回归模型的系数及阶数;然后构造白化滤波器对分段数据预白化,并对白化后的数据进行多分辨二分奇异值分解;最后应用ostu方法对原始声图和处理后的声图进行目标检测。仿真与实验结果表明,该方法明显提高了信混比,改善了侧扫声呐沉底静态小目标的成图质量,有利于后期实现基于图像的目标自动检测。     

改进次最佳检测在侧扫声呐底混响抑制中的应用*

侧扫声呐进行沉底小目标探测时,底混响是主要背景干扰。底混响通常是一种非平稳、非高斯的带限噪声,它使得白噪声条件下的滤波器性能受到限制。在混响背景下常利用自回归模型对接收信号进预行白化处理,但对于实际侧扫声呐应用,白化后直接匹配滤波的处理效果不甚理想。针对此问题,在自回归模型预白化的基础上,提出采用一种次最佳检测与多分辨二分奇异值分解相结合的改进方法。该方法首先对接收信号进行分段处理,利用改进Burg算法估计每段数据自回归模型的系数及阶数;然后构造白化滤波器对分段数据预白化,并对白化后的数据进行多分辨二分奇异值分解;最后应用ostu方法对原始声图和处理后的声图进行目标检测。仿真与实验结果表明,该方法明显提高了信混比,改善了侧扫声呐沉底静态小目标的成图质量,有利于后期实现基于图像的目标自动检测。     

水下目标回波盲分离性能的瞬时频率特征评价方法

在水下主动声呐目标回波与混响盲分离中,针对分离结果顺序不确定性以及缺乏分离有效性衡量手段的问题,提出了以信号瞬时频率特征为指标的盲分离性能评价方法。推导了目标回波与混响的时频分布特性,理论表明目标回波在瞬时频率序列的中心偏离程度以及整体随机程度上低于混响,据此提取信号的瞬时频率方差与瞬时频率熵两种信号特征,并将二者作为从盲分离结果中识别目标回波的依据。海试数据结果表明,在盲分离得到的所有分离信号中,目标回波具有最小的瞬时频率特征值,并且该特征值越小,目标回波与混响的盲分离程度就越高。      

水下目标回波盲分离性能的瞬时频率特征评价方法

在水下主动声呐目标回波与混响盲分离中,针对分离结果顺序不确定性以及缺乏分离有效性衡量手段的问题,提出了以信号瞬时频率特征为指标的盲分离性能评价方法。推导了目标回波与混响的时频分布特性,理论表明目标回波在瞬时频率序列的中心偏离程度以及整体随机程度上低于混响,据此提取信号的瞬时频率方差与瞬时频率熵两种信号特征,并将二者作为从盲分离结果中识别目标回波的依据。海试数据结果表明,在盲分离得到的所有分离信号中,目标回波具有最小的瞬时频率特征值,并且该特征值越小,目标回波与混响的盲分离程度就越高。     

一种基于功率谱特征参量的水中目标辐射噪声非母板匹配分类识别方法

本文阐述了一种非母板匹配的水中目标辐射噪声分类识别的思想、技术路线及算法的计算机实现关键技术。该算法基于提取水中目标辐射噪声信号功率谱中的最强谱带位置、线谱位置、线谱根数、线谱平均间隔等特征参量，通过特定处理后，直接给出识别结果，不需要附带庞大数据库。经试验验证，该技术突破了传统的母板匹配目标识别的算法思想，能够适用于复杂海况，做到宽容性匹配。识别效率高，识别率达到试验预期要求。     

基于不相似度评价的水下声目标分类与听觉特征辨识

本文旨在探索人类被试对水下声目标的感知分类及在该过程中所利用的听觉特征.首先设计了成对比较实验.然后利用CLASCAL算法对实验获得的不相似度评分进行建模,获得感知空间,并分析了3个公共维度、特异性和3个被试潜类各自的特性及其在目标感知分类中所起的作用.最后,基于Gammatone听觉滤波器组对声样本进行分析,发现了能够有效描述3个公共维度以及节拍特性的听觉特征,并利用它们构造决策树对新样本实现了分类,从而为实际中如何应用这些特征提供了指导.     

动物声呐信号在鱼雷中的应用

通过对动物声呐信号的信息特征分析,指出它是一种特殊包络的双曲调频信号,这种信号不但具有宽带多普勒不变性,而且具有距离延伸不变性,对于亮点检测和识别,还具有最小的时频耦合和模糊。结合近代鱼雷对高速目标的搜索、识别和制导等具体要求,选择适当的波形参数,仿真设计了相应的动物声呐信号,并用自行设计的软件分析和图示其波形的窄带和宽带模糊度、时频分布等特性．