[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

技術領域

本發明涉及水下小目標的識別領域，具體涉及一種基于MFCC和人工神經網絡的水下機動小目標識別方法。

背景技術

冷戰時期，各國處在戰爭警戒狀態，海上探測和防御的對象主要是敵對國家的艦船和潛艇等大型目標。隨著冷戰的結束，特別是前蘇聯解體后，水下武器裝備小型化的迅速發展，蛙人、水下運載器及水下機器人等技術裝備的日益成熟，這類目標具有隱蔽性好，破壞力強等明顯“非對稱”優勢的攻擊方式，已成為恐怖主義分子進行恐怖活動的重要方式。

近年來，國內外等對蛙人等水下小目標的探測及識別進行了相關研究，但針對水下機動小目標的分類識別較少。在主動聲信號識別領域，裝備美國海軍的SQS-26聲吶具有主動目標分類功能。另外，很多國外海軍的魚雷自導系統，現在也已經具備了識別船舶要害部位的能力。文獻[1](吳國,李靖,李訓浩,陳耀明,袁毅.艦船噪聲識別(III)—雙重譜和平均功率譜的特征提取和模板圖.聲學學報,1999,24(2):191-196頁；吳國清,李靖,李訓法,陳耀明,袁毅.艦船噪聲識別(IV)—模糊神經網絡.聲學學報,1999,24(3):275-280頁)等人對艦船的輻射噪聲進行了大量的研究，提取了艦船輻射噪聲的眾多特征，并利用統計模式識別和模糊神經網絡相結合的方式對艦船噪聲進行識別。文獻[2](LI Qihu,WANG Jinlin,WEI Wei.An application of expert system in recognition of radiated noise of under-water target.Beijing:Institute of Acoustics,Chinese Academy of Sciences,1989.404-408)研制了水聲目標專家識別系統，大多數情況下，當信噪比不低于3dB時，信號的識別率超過了75％。

在水聲信號處理領域，目前常用的方法是將時域信號變換到時頻聯合域，通過時頻聯合分布揭示信號的非平穩性及頻率隨時間的變化特征。文獻[3](石超雄.基于提升小波變換的MFCC在目標識別中的應用[J].聲學技術,2014,33(4):372-375.)提出了使用提升小波變換的MFCC的方法，對水下被動聲納目標分類和識別。其仿真實驗表明，提升小波變換方法提取MFCC具有識別率較高、對噪聲魯棒性較好的優點。文獻[4](竺樂慶,張真.基于MFCC和GMM的昆蟲聲音自動識別[J].昆蟲學報,2012,55(4):466-471.)將MFCC和高斯混合模型(GMM)應用于森林中昆蟲的識別，在包含58種昆蟲聲音的樣本庫中進行了評估，取得了較高的正確識別率和較理想的時間性能。這些研究表明基于MFCC的方法可以用于復雜情況下的聲音信號特征提取識別。目前基于MFCC對水下目標的識別方法普遍抗噪性低，多應用于信噪比較高的情況，因此對于目前信噪比較低、多種目標共存的復雜水下環境的小目標識別率較低。

由于人工神經網絡具有很強的學習能力、自適應能力、魯棒性和容錯能力，對信息的處理過程更接近人類大腦思維活動，可以代替復雜耗時的傳統算法。同時利用神經網絡的高度并行運算能力，難以用其它數學計算基數實現的最優信號處理算法可以實時是吸納。由于人工神經網絡的上述特點，在水聲目標識別領域人工神經網絡逐漸得到了水聲學者的關注和應用。尤其適合于像水下機動小目標這類與人的感知有關的信息處理。它可以通過從樣本中學習，實現網絡的自我組織和調整。提取信號的特征之后，將要對信號展開識別工作。由于水聲信號具有很強的不平穩性，加上水下環境的復雜性；另外水聲信號的先驗數學知識很難掌握，在水聲信號處理領域，很難對其進行準確描述。所以水聲信號的分類問題是一個非線性問題，非常復雜。

發明內容

本發明的目的在于克服目前MFCC方法用于信噪比較低、多種目標共存的復雜水下環境的小目標識別存在的識別率較低的問題，提出了一種基于MFCC和人工神經網絡的水下機動小目標識別方法，該方法提取目標音頻信號的混合MFCC特征量，包括：差分MFCC特征和MFCC特征，然后利用訓練出的BP人工神經網絡對混合MFCC特征量進行識別，從而實現對目標的分類，實驗表明本發明的方具有較高的目標識別率。