短波語音通話下的飛機類型識別研究.pdf

1、短波語音通話下的飛機駕駛艙背景聲進行飛機類型的識別,是非合作目標識別領域的一個新課題?，F(xiàn)有的飛機識別技術,主要基于雷達和圖像進行飛機識別,而兩者的不足之處在于作用距離近。但目前短波語音通話下的飛機識別主要途徑是由資深專業(yè)人員進行傾聽識別,關于這方面的研究,國內(nèi)外缺乏公開的文獻報道。本文結合國家自然科學基金“基于短波語音通話的飛機類型識別研究”,以飛機的短波語音通話為目標信號,進行了飛機類型辨識的相關系列研究工作。
　　首先,為區(qū)分

2、目標信號的來源是地面目標還是飛機目標,本文利用Welch算法,對地面信號/飛機信號進行了目標信號的辨識,結果表明地面目標與飛機目標存在著很大的差異性,實現(xiàn)了目標信號辨識。對飛機駕駛艙背景聲進行特性分析,是飛機類型識別工作中的首要任務。為分析飛機駕駛艙背景聲信號相關物理特性,提出集合均值和集合方差的分析方法,應用在目標信號的頻域以及倒譜上,對飛機駕駛艙背景聲信號進行相關物理特性分析,結果表明不同飛機類型的駕駛艙背景聲的譜峰特性差異明顯,為

3、語音抑制、特征提取以及類型識別做了積極的鋪墊。
　　其次,在原始信號中包含有大段清晰的飛行員話音,此處語音相對于飛機背景聲成為了強干擾噪聲,因此需要去除。利用了基于譜熵的語音端點檢測,對所檢測到的原始信號流中的語音段采用兩種方式對目標信號進行語音抑制。利用經(jīng)驗模態(tài)分解與小波分析(EMD_WT)進行語音抑制,但在其語音抑制的過程中引入了大量的過程噪聲,為后續(xù)的相關信號處理帶來了很大的隱患。于是提出利用全局經(jīng)驗模態(tài)分解與小波包分解結合

4、(EEMD_WP)實現(xiàn)語音抑制。通過時域與頻域的對比,EEMD_WP較EMD_WT方式取得了較好的性能,對語音進行了有效的抑制,增強了背景聲。
　　第三,特征提取是飛機類型識別工作中的一個重要內(nèi)容。從聽覺感知的角度對飛機駕駛艙背景聲進行了特征提取的研究。依據(jù)MFCC提取流程,提出用基于聽覺感知的Bark小波包提取特征,結合所分析的目標信號的物理特性,利用對角切片的方式選取小波包結點,得到了體現(xiàn)目標信號物理特性的特征,并結合具有時變

5、特性的MFCC、PLP的Delta特征,為減少特征參數(shù)的高階冗余,經(jīng)過PCA降維和F比評價得到簡潔的多角度的混合特征參數(shù),實驗表明,它比單種特征有更好的分類性能,實現(xiàn)對目標信號進行建模的目的,為飛機類型識別作必要準備。
　　最后,針對飛機的高斯混合模型(GMM)參數(shù)冗余的問題,利用基于貝葉斯陰陽(BYY)和諧學習理論的普通梯度算法進行模型選擇,實現(xiàn)模型參數(shù)估計及階數(shù)的自動選擇。而普通梯度學習算法往往會陷入和諧函數(shù)的局部極值而導致不