針對(duì)聲源識(shí)別中觀測(cè)模型線性化誤差,信號(hào)特征參數(shù)提取依賴于經(jīng)驗(yàn)分析閾值判斷而造成信息丟失的問(wèn)題,從信號(hào)觀測(cè)模型、預(yù)處理、特征提取與分類識(shí)別、半實(shí)物仿真試驗(yàn)等方面,提出了一種新的四元陣列融合聲源識(shí)別方法。首先在系統(tǒng)坐標(biāo)系下建立了四元陣列有色噪聲環(huán)境下的觀測(cè)模型;其次基于經(jīng)驗(yàn)?zāi)B(tài)分解（empirical mode decomposition, EMD）理論,給出了四元陣列EMD融合算法,有效抑制了高頻信號(hào)的干擾;再次基于梅爾頻率倒譜系數(shù)-動(dòng)態(tài)時(shí)間規(guī)整（Mel-frequency cepstrum coefficient-dynamic time warping, MFCC-DTW）方法,設(shè)計(jì)了陣列信號(hào)特征提取與分類識(shí)別算法;最后通過(guò)半實(shí)物仿真試驗(yàn),并與相關(guān)研究基礎(chǔ)對(duì)比,分別驗(yàn)證了提出的EMD融合算法及陣列信號(hào)特征提取與分類識(shí)別算法的有效性。 

【文章來(lái)源】：科學(xué)技術(shù)與工程. 2020,20(28)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

聲傳感器陣列布置結(jié)構(gòu)圖

聲傳感器陣列對(duì)聲目標(biāo)信號(hào)檢測(cè)圖

上述陣列聲信號(hào)EMD融合算法考慮了環(huán)境有色噪聲對(duì)系統(tǒng)的干擾,針對(duì)陣列觀測(cè)非線性、非高斯觀測(cè)模型,利用目標(biāo)信號(hào)的頻譜特征提取基本模式分量(intrinsic mode function, IMF),理論上不僅抑制了高頻噪聲的干擾程度,而且能夠有效地保持原始聲源目標(biāo)信息特征,使得信號(hào)不失真。2 陣列信號(hào)特征提取與分類識(shí)別

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)小波包去噪與梅爾倒譜系數(shù)的低信噪比交通環(huán)境聲音識(shí)別[J]. 王若平,李仁仁,陳達(dá)亮,王東,房宇.  科學(xué)技術(shù)與工程. 2019(36)
[2]基于短時(shí)能量和梅爾倒譜系數(shù)的車型音頻識(shí)別[J]. 趙宏旭,楊文帥.  科學(xué)技術(shù)與工程. 2018(18)
[3]基于短時(shí)處理和經(jīng)驗(yàn)?zāi)B(tài)分解的地面戰(zhàn)場(chǎng)目標(biāo)被動(dòng)聲識(shí)別[J]. 孫國(guó)強(qiáng),樊新海,張傳清.  測(cè)試技術(shù)學(xué)報(bào). 2017(05)
[4]基于改進(jìn)EEMD及能量特征的戰(zhàn)場(chǎng)目標(biāo)識(shí)別方法[J]. 邸憶,顧曉輝,車龍,劉亞雷.  電子測(cè)量與儀器學(xué)報(bào). 2017(06)
[5]低空目標(biāo)被動(dòng)聲識(shí)別關(guān)鍵技術(shù)研究[J]. 雷鳴,喬柯.  計(jì)算機(jī)與數(shù)字工程. 2017(04)
[6]三維旋轉(zhuǎn)聲陣列定向靜態(tài)試驗(yàn)研究[J]. 劉亞雷,于艷美,孟春寧.  科學(xué)技術(shù)與工程. 2016(31)
[7]基于EMD的陣列觀測(cè)聲信號(hào)預(yù)處理算法研究[J]. 劉亞雷,于艷美,孟春寧.  現(xiàn)代電子技術(shù). 2016(10)
[8]基于粒子群神經(jīng)網(wǎng)絡(luò)的聲目標(biāo)識(shí)別系統(tǒng)設(shè)計(jì)研究[J]. 劉亞雷,于艷美,孟春寧.  電氣自動(dòng)化. 2016(02)
[9]多傳聲器小波多尺度信息融合濾波算法[J]. 呂艷新,顧曉輝.  儀器儀表學(xué)報(bào). 2012(04)
[10]基于長(zhǎng)短時(shí)特征融合的語(yǔ)音情感識(shí)別方法[J]. 韓文靜,李海峰,韓紀(jì)慶.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(S1)



本文編號(hào)：2984647