[發明專利]一種基于MFCC和人工神經網絡的水下機動小目標識別方法

在審

• 申請號: 201610308112.2
• 申請日: 2016-05-11
• 公開（公告）號: CN107369444A
• 公開（公告）日: 2017-11-21
• 發明（設計）人: 許楓;宋宏健;閆路
• 申請（專利權）人: 中國科學院聲學研究所
• 主分類號: G10L15/16
• 分類號: G10L15/16;G10L15/06;G10L21/0224
• 代理公司: 北京方安思達知識產權代理有限公司11472
• 代理人: 王宇楊,武玥

1.一種基于MFCC和人工神經網絡的水下機動小目標識別方法，所述方法包括：對待識別目標的原始聲音信號s(n)進行預處理，得到每個語音幀的時域信號x(n)；提取時域信號x(n)的MFCC特征量，利用MFCC特征量進行二次特征提取獲取差分MFCC特征量，將MFCC特征量、差分MFCC特征量和x(n)的峰值頻率進行結合，形成MFCC混合特征量，將所述MFCC混合特征向量輸入到訓練好的人工神經網絡分類器進行識別，輸出識別的類型。

2.根據權利要求1所述的基于MFCC和人工神經網絡的水下機動小目標識別方法，其特征在于，所述方法具體包括：

步驟1)對待識別目標的原始聲音信號s(n)進行預處理，得到每個語音幀的時域信號x(n)；

步驟2)計算時域信號x(n)的2K個MFCC系數，并將偶數位置的MFCC系數形成MFCC特征量；

步驟3)對2K個MFCC系數進行二次特征提取，計算2K個差分MFCC系數，并將偶數位置的MFCC系數形成差分MFCC特征量；

步驟4)計算時域信號x(n)的峰值頻率f；

步驟5)將MFCC特征量、差分MFCC特征量和峰值頻率f進行結合，形成MFCC混合特征量；

步驟6)將所述MFCC混合特征向量輸入到訓練好的人工神經網絡分類器進行識別，直至識別成功，輸出識別的類型。

3.根據權利要求2所述的基于MFCC和人工神經網絡的水下機動小目標識別方法，其特征在于，所述步驟2)具體包括：

步驟201)將時域信號x(n)經過離散傅里葉變換后得到線性頻譜X(k)：

X(k)=Σn=0N-1x(n)e-j2πnk/N,0≤k≤N---(1)]]>

其中，N為表示傅里葉變換的點數；

步驟202)計算線性頻譜X(k)的能量譜，通過2K個帶通濾波器對能量譜進行帶通濾波；

步驟203)計算每個帶通濾波器組輸出的對數能量為：

S(m)=ln(Σk=0N-1|Xa(k)|2Hm(k)),0≤m≤2K---(2)]]>

步驟204)對輸出的對數能量S(m)進行離散余弦變換得到MFCC系數：

C(n)=Σm=0N-1S(m)cos(πn(m-0.5)/M),0≤n<2K---(3)]]>

步驟205)時域信號x(n)的MFCC特征量為：[C(2),C(4),...C(2K)]。