基于VMD多尺度熵和ABC-SVM的装甲车辆识别

摘要：

针对新型作战体系下以装甲车辆为主的地面目标的被动声识别问题, 为实现不同车型在不同工况下的声识别, 以常见的3种坦克和4种履带式装甲车为识别对象, 提出了一种基于变分模态分解 (Variational Mode Decomposition, VMD) 和人工蜂群 (Artificial Bee Colony, ABC) 算法优化的支持向量机 (Support Vector Machine, SVM) 相结合的装甲车辆声识别模型.首先, 采集不同工况下的车辆噪声信号并进行频谱分析, 证明了VMD分解的可行性;其次, 对样本信号进行VMD分解, 得到不同尺度的本征模态函数 (Intrinsic Mode Function, IMF) 并进行多尺度模糊熵 (Multi-scale Fuzzy Entropy, MFE) 的计算, 得到多尺度模糊熵特征 (VMD-MFE);然后, 利用优化算法对SVM进行优化, 得到最优参数优化的分类器模型;最后, 对噪声信号进行特征提取和分类实验.结果表明:VMD的分解效果优于经验模态分解 (Empirical Made Decomposition, EMD) 和集合经验模态分解 (Ensemble Empirical Mode Decomposition, EEMD);与引力搜索算法 (Gravitational Search Algorithm, GSA) 和布谷鸟搜索 (Cuckoo Search, CS) 算法相比, ABC算法得到的优化模型ABC-SVM具有更高的识别率, 可达94.14％以上.

关键词：模态分解、多尺度熵(MSE)、支持向量机(SVM)、人工蜂群(ABC)算法、被动声识别

所属期刊栏目：32

分类号：TJ811;TB52+6(战车、战舰、战机、航天武器)

资助基金：军队科研计划项目

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：68-73