[發明專利]基于多維特征空間的低空聲目標綜合識別方法及裝置

在審

• 申請號: 202010856355.6
• 申請日: 2020-08-24
• 公開（公告）號: CN111968671A
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 楊立學;王志峰;周印龍;袁彥
• 申請（專利權）人: 中國電子科技集團公司第三研究所
• 主分類號: G10L25/03
• 分類號: G10L25/03;G10L25/27;G10L25/51;G10L15/14;G10L15/08
• 代理公司: 北京天盾知識產權代理有限公司 11421
• 代理人: 張彩珍

1.一種基于多維特征空間的低空聲目標綜合識別方法，其特征在于，包括以下步驟：

步驟1：通過多通道聲音傳感器陣列采集信號；

步驟2：對采集信號進行分析計算，獲得包括時頻特征、空間特征和諧波特征的多維特征向量；

步驟3：將所述多維特征向量輸入至目標分類模型，進行目標識別。

2.根據權利要求1所述的基于多維特征空間的低空聲目標綜合識別方法，其特征在于：步驟2中，時頻特征、諧波特征通過對單通道信號的分析計算獲得；空間特征通過對多通道信號的分析計算獲得。

3.根據權利要求1所述的基于多維特征空間的低空聲目標綜合識別方法，其特征在于：步驟2中，信號的時頻特征通過如下方法獲得，

將信號通過傅里葉變換獲得頻譜，對頻譜取模平方獲得其功率譜；

通過Mel濾波器組對所述功率譜進行濾波，獲得Mel譜；

對所述Mel譜進行離散余弦變換獲得Mel頻率倒譜系數MFCC。

4.根據權利要求1所述的基于多維特征空間的低空聲目標綜合識別方法，其特征在于：步驟2中，信號的諧波特征通過如下方法獲得，

通過諧波檢測獲得諧波譜；

對所述諧波譜進行離散余弦變換獲得諧波譜倒譜系數HPCC。

5.根據權利要求4所述的基于多維特征空間的低空聲目標綜合識別方法，其特征在于:基于如下公式進行諧波檢測,

|frequency(k)/fm-i_mk|≤ε

式中frequency(k)表示各功率譜譜峰對應的頻率，f_m是假定基頻，i_mk對應諧波次數,ε是選定的閾值。

6.根據權利要求4所述的基于多維特征空間的低空聲目標綜合識別方法，其特征在于：步驟2中，信號的空間特征通過如下方法獲得，

基于信號的時頻譜，多通道計算每個時頻單元的局部DOA估計，得到空間譜；

對所述空間譜進行離散余弦變換獲得空間倒譜系數SPCC。

7.根據權利要求4所述的基于多維特征空間的低空聲目標綜合識別方法，其特征在于：步驟3中，目標分類模型采用GMM-HMM模型。

8.根據權利要求7所述的基于多維特征空間的低空聲目標綜合識別方法，其特征在于：步驟3中，針對每個目標類型建立一個GMM-HMM模型；目標類型包括直升機、戰斗機、環境干擾。

9.根據權利要求7所述的基于多維特征空間的低空聲目標綜合識別方法，其特征在于：步驟3中，建立目標分類模型時，模型參數通過如下方法訓練獲得，

步驟3.1：設置最大訓練次數，并設置歸一化收斂閾值ε；給定初始參數λ；

步驟3.2：利用Baum-Welch重估算法對初始化參數λ進行參數重估，得到新的模型參數

步驟3.3：利用維特比算法求所有觀察值序列的輸出概率

步驟3.4：計算觀察值序列的輸出概率P的變化，如若則令并返回步驟3.2繼續進行迭代，直到模型參數收斂；如果迭代次數大于最大訓練次數，即使不收斂也停止運算。

10.一種基于多維特征空間的低空聲目標綜合識別裝置，其特征在于，包括：

多通道聲音傳感器陣列，所述多通道聲音傳感器陣列用于采集聲音信號；

聲音信號分析計算單元，所述聲音信號分析計算單元用于對采集信號進行分析計算，獲得包括時頻特征、空間特征和諧波特征的多維特征向量；

目標識別單元，所述目標識別單元包括目標分類模型，將所述多維特征向量輸入至所述目標分類模型，進行目標識別；

顯示單元，所述顯示單元用于將目標識別結果進行顯示。