目前對于截取飛機(jī)短波無線電通信音頻,識別飛機(jī)類型的工作主要是通過人工偵聽來識別聲音信號中關(guān)于飛機(jī)發(fā)動機(jī)的聲音以此來推斷飛機(jī)的類型。但是這種通過人耳進(jìn)行識別的方法往往誤差很大,主要原因有兩個(gè),一是截取的聲音信號非常短,可能就幾十毫秒;另一個(gè)是截取到的飛機(jī)的聲音信號中混雜著各種噪聲,使識別難度增大。由此可以看出,研究對飛機(jī)艙音、駕駛員通話背景音的分類識別,具有非常重要的意義。目前關(guān)于通過飛機(jī)艙背景音進(jìn)行飛機(jī)類型識別的文獻(xiàn)很少。本文主要研究了兩種針對聲音信號特征提取的方法,并且分別對其進(jìn)行了仿真實(shí)驗(yàn),通過分析,得出通過梅爾頻率倒譜系數(shù)算法計(jì)算得到的信號特征更適合本文所用的聲音信號。根據(jù)得到的信號特征,本文選用BP神經(jīng)網(wǎng)絡(luò)、樸素貝葉斯分類器和支持向量機(jī)分別來對八種飛機(jī)的通話背景聲音進(jìn)行分類識別。與BP神經(jīng)網(wǎng)絡(luò)和樸素貝葉斯分類器相比,支持向量機(jī)更適合對樣本規(guī)模較小的數(shù)據(jù)分類,分類準(zhǔn)確率高。然而支持向量機(jī)的分類效果受參數(shù)的影響較大,為尋找到最優(yōu)的參數(shù),本文還采用了粒子群算法與和聲搜索算法優(yōu)化支持向量機(jī)的參數(shù)。本文分別用BP神經(jīng)網(wǎng)路、樸素貝葉斯分類器、支持向量機(jī)、粒子群算法優(yōu)化的支持向量機(jī)與和聲搜索算...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 飛機(jī)艙音噪聲的研究現(xiàn)狀
        1.2.2 聲音信號特征提取的研究現(xiàn)狀
        1.2.3 分類器的研究現(xiàn)狀
    1.3 論文研究內(nèi)容和結(jié)構(gòu)安排
第2章 特征提取的方法研究
    2.1 小波包變換算法
        2.1.1 小波包簡介
        2.1.2 小波包的性質(zhì)
        2.1.3 小波包快速算法
        2.1.4 常用的小波函數(shù)
    2.2 MFCC算法
        2.2.1 MFCC簡介
        2.2.2 MFCC算法組成
    2.3 仿真實(shí)驗(yàn)
        2.3.1 小波包分析
        2.3.2 MFCC特征提取
    2.4 本章小結(jié)
第3章 分類方法的研究與實(shí)驗(yàn)對比
    3.1 BP神經(jīng)網(wǎng)絡(luò)分類器
        3.1.1 BP神經(jīng)網(wǎng)絡(luò)簡介
        3.1.2 BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)
    3.2 樸素貝葉斯分類器
        3.2.1 樸素貝葉斯分類算法的簡介
        3.2.2 樸素貝葉斯的算法
        3.2.3 樸素貝葉斯的優(yōu)缺點(diǎn)
    3.3 支持向量機(jī)分類器
        3.3.1 支持向量機(jī)簡介
        3.3.2 多分類支持向量機(jī)
        3.3.3 支持向量機(jī)的優(yōu)缺點(diǎn)
    3.4 仿真實(shí)驗(yàn)對比
    3.5 本章小結(jié)
第4章 基于優(yōu)化SVM的飛機(jī)類型的識別
    4.1 基于SVM的飛機(jī)類型識別方法
        4.1.1 方法簡介
    4.2 粒子群算法優(yōu)化SVM分類器
        4.2.1 粒子群算法簡介
        4.2.2 基于粒子群算法優(yōu)化SVM分類器
    4.3 和聲搜索算法優(yōu)化SVM分類器
        4.3.1 和聲搜索算法簡介
        4.3.2 和聲搜索算法參數(shù)分析
        4.3.3 基于和聲搜索算法優(yōu)化SVM分類器
    4.4 實(shí)驗(yàn)結(jié)果對比及分析
        4.4.1 參數(shù)的設(shè)置
        4.4.2 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝



本文編號：4008774