目前,對于截取的飛機(jī)短波無線電通信音頻,若要識別其飛機(jī)的類型,該工作主要是通過人工偵聽來識別聲音信號中不同的飛機(jī)發(fā)動(dòng)機(jī)聲音的不同、以此來推斷飛機(jī)的類型來完成的。但是這種通過人工監(jiān)聽進(jìn)行識別的方法在實(shí)際應(yīng)用中存在著很大的困難,一是能截取的聲音信號非常短;二是所截取到的飛機(jī)艙內(nèi)的聲音信號中混雜著各種類型的噪聲,識別難度大�；谝陨蟽牲c(diǎn),傳統(tǒng)的人工監(jiān)聽方法對于飛機(jī)類型的識別往往存在很大的誤差,也容易對偵聽人員造成身體心理上的雙重傷害,因此,研究對飛機(jī)艙音、駕駛員通話背景音的識別,具有非常重要的現(xiàn)實(shí)意義。本文根據(jù)合作方對飛機(jī)類型正確識別率達(dá)到85%以上的要求,研究了非合作語音通信環(huán)境下飛機(jī)類型的識別,通過小波包分解、高階累計(jì)量優(yōu)化小波包分解、LPCC以及MFCC特征提取算法提取特征值,將提取的特征向量經(jīng)過BP神經(jīng)網(wǎng)絡(luò)、SVM分類器進(jìn)行分類識別。這些識別方法需要人為的選擇其內(nèi)部的函數(shù),對特征的選擇也有一定的條件,這需要大量的經(jīng)驗(yàn)來支撐。為了解決這類問題,本文同時(shí)將無監(jiān)督學(xué)習(xí)算法自編碼器首次應(yīng)用于對截取的飛機(jī)艙內(nèi)的背景音的識別,不需要人工篩選特征參數(shù)就可以自主學(xué)習(xí)信號特征,將飛機(jī)類型成功分類。本文... 

【文章來源】：哈爾濱工程大學(xué)黑龍江省 211工程院校

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【部分圖文】：

8 種聲信號進(jìn)行小波包分解后的原始信號與重構(gòu)信號

LPCC特征提取折線圖

橫坐標(biāo)為 8 種不同類別的飛機(jī)，縱坐標(biāo)為分類的準(zhǔn)確率。從左P 神經(jīng)網(wǎng)絡(luò)分類器在小波包分解、高階累計(jì)量優(yōu)化小波包分解下 10 次重復(fù)實(shí)驗(yàn)的準(zhǔn)確率折線圖。由于實(shí)驗(yàn)數(shù)據(jù)為實(shí)際的語大，從表 4.6 的折線圖對比中可以看出，雖然 4 類特征提取準(zhǔn)就多次分類結(jié)果來說，MFCC 算法所提取的特征值經(jīng)過分類

【參考文獻(xiàn)】：
期刊論文
[1]基于Shannon熵的自適應(yīng)小波包閾值函數(shù)去噪算法研究[J]. 周建,向北平,倪磊,艾攀華.  振動(dòng)與沖擊. 2018(16)
[2]基于高分辨距離像目標(biāo)識別方法[J]. 張馨元.  中國科技信息. 2018(06)
[3]基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)在水利定額編制中的應(yīng)用[J]. 金修鵬,李春生.  水電能源科學(xué). 2018(02)
[4]飛機(jī)駕駛艙噪聲環(huán)境下的飛行員語音端點(diǎn)檢測[J]. 諸心陽,黃丹,陸燕玉,傅山.  計(jì)算機(jī)工程. 2018(01)
[5]軍用運(yùn)輸機(jī)機(jī)艙有源消聲實(shí)驗(yàn)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 孔慶福,錢超,訾一諾.  計(jì)算機(jī)測量與控制. 2017(12)
[6]基于語音頻譜融合特征的手機(jī)來源識別[J]. 裴安山,王讓定,嚴(yán)迪群.  計(jì)算機(jī)應(yīng)用. 2018(03)
[7]基于深度卷積神經(jīng)網(wǎng)絡(luò)的飛機(jī)識別研究[J]. 唐小佩,楊小岡,劉云峰,任世杰.  電光與控制. 2018(05)
[8]基于稀疏降噪自編碼器的深度置信網(wǎng)絡(luò)[J]. 曾安,張藝楠,潘丹,Xiao-Wei Song.  計(jì)算機(jī)應(yīng)用. 2017(09)
[9]人工影響天氣作業(yè)飛機(jī)中語音增強(qiáng)算法的研究[J]. 王山海,馬鑫鑫,劉謙,楊敏.  計(jì)算機(jī)測量與控制. 2017(04)
[10]一種基于BP神經(jīng)網(wǎng)絡(luò)的屬性重要性計(jì)算方法[J]. 潘慶先,董紅斌,韓啟龍,王瑩潔,丁蕊.  中國科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2017(01)

碩士論文
[1]基于稀疏自動(dòng)編碼器和邊緣降噪自動(dòng)編碼器的深度學(xué)習(xí)算法研究[D]. 鄧俊鋒.武漢科技大學(xué) 2016
[2]基于全噪聲自動(dòng)編碼器的深度神經(jīng)網(wǎng)絡(luò)優(yōu)化算法[D]. 夏林.武漢科技大學(xué) 2016
[3]基于特征提取的通信信號識別研究[D]. 張文啟.蘭州理工大學(xué) 2016
[4]深度學(xué)習(xí)中的自編碼器的表達(dá)能力研究[D]. 王雅思.哈爾濱工業(yè)大學(xué) 2014
[5]基于深度學(xué)習(xí)的語音識別研究[D]. 梁靜.北京郵電大學(xué) 2014
[6]短波語音通信環(huán)境下飛機(jī)類型識別[D]. 李萍.哈爾濱工程大學(xué) 2012
[7]面向短波語音通信的飛機(jī)類型識別[D]. 劉峰.哈爾濱工程大學(xué) 2009
[8]高階統(tǒng)計(jì)量在水雷目標(biāo)特征提取中的應(yīng)用[D]. 張曉云.哈爾濱工程大學(xué) 2008



本文編號：3562552