基于深度学习的声目标识别技术研究

发布时间：2021-04-28 06:16

　　有效探测识别低空飞行器已成为雷达等传统监控手段亟待解决的问题,而声目标识别凭借全向探测、被动探测和隐蔽性好等诸多优势,在低空飞行器探测识别方面获得广泛的关注和应用。本文以国防和公共安全的实时监控为应用背景,针对直升机这一典型低空飞行器飞行过程中连续识别的准确率和鲁棒性问题,在深入总结和分析直升机声信号产生机理和特性的基础上,对声目标识别中声信号预处理、特征提取和识别等关键技术进行研究,提出基于深度学习的声目标识别框架。为提高连续识别过程的正确率和鲁棒性,本文提出了一种基于复合深度神经网络的直升机声学特征提取和识别框架。复合深度神经网络由卷积神经网络和长短时记忆神经网络以并行结构组合,进行直升机声学特征的优化,完成直升机类型识别。针对直升机声信号特性,本文对卷积神经网络进行了改进,使得该复合深度神经网络在信号短时谱基础上优化声信号特征表征并提取前后帧之间的相关信息,弥补传统声目标识别方法不能充分利用目标信号时间历程信息的缺陷。真实外场实验数据测试结果显示:相较于传统识别方法,该框架显著提升了直升机进入有效探测范围后连续识别的鲁棒性和目标识别正确率。针对直升机声目标识别中环境背景噪声影响识... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
注释表
第1章 绪论
    1.1 研究背景及意义
    1.2 声目标识别的发展
    1.3 国内外研究现状
    1.4 本文主要贡献及章节安排
第2章 声目标识别技术理论基础
    2.1 直升机声信号的特性
        2.1.1 直升机飞行噪声产生机理及特性
        2.1.2 风噪声的干扰特性
    2.2 典型的特征提取方法
        2.2.1 傅里叶幅度谱
        2.2.2 谐波集检测
        2.2.3 梅尔倒谱系数
        2.2.4 小波包特征熵
    2.3 常用分类器
        2.3.1 人工神经网络
        2.3.2 支持向量机
    2.4 传统声信号预处理
        2.4.1 谱减法
        2.4.2 维纳滤波
        2.4.3 小波分析法
    2.5 本章小结
第3章 复合深度神经网络在直升机声目标识别中的应用
    3.1 引言
    3.2 复合深度神经网络模型
        3.2.1 识别框架
        3.2.2 卷积神经网络
        3.2.3 长短时记忆神经网络
    3.3直升机识别实验
        3.3.1 标准数据库的建立
        3.3.2 识别特征提取
        3.3.3 复合深度神经网络参数配置
        3.3.4 识别结果分析
    3.4 本章小结
第4章 卷积神经网络在直升机声信号预处理中的应用
    4.1 引言
    4.2 基于深度学习的预处理技术
        4.2.1 时频分解
        4.2.2 预处理特征
        4.2.3 预处理目标
    4.3 声信号预处理实验
        4.3.1 实验数据
        4.3.2 基于深度学习的声信号预处理框架
        4.3.3 识别与预处理模块耦合
    4.4 本章小节
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3164967