基于短时处理和经验模态分解的地面战场目标被动声识别

摘要：

针对地面战场目标的被动声识别问题,选取具有代表性的两类坦克、两类履带式装甲车以及卡车作为被动声识别目标对象,以雷声和枪声作为干扰噪声信号,对所采集的声信号进行短时能量分析,得到声信号的短时能量谱,计算短时能量平均值,利用阈值法筛选识别枪声信号,根据经验设置阈值范围;而后,利用经验模态分解(The Empirical Mode Decompo-sition,EMD)方法处理声信号,使其自适应分解得到若干IMF分量,计算IMF分量与原信号能量的比值作为特征值构建特征向量,并利用BP神经网络设计分类器,建立了一种地面目标分级识别方法.研究结果表明:该方法对目标工况适应性强,识别率可达90％以上.

关键词：短时能量、经验模态分解(EMD)、目标识别、神经网络、分级识别

所属期刊栏目：31

分类号：TN911.72

资助基金：武器装备军内科研资助项目2015ZB21

在线出版日期：2017-12-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：434-437