[發明專利]一種多目標聲信號混疊下的識別方法

在審

• 申請號: 202010932586.0
• 申請日: 2020-09-08
• 公開（公告）號: CN112185412A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 劉輝
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G10L21/0272
• 分類號: G10L21/0272;G10L25/51;G10L25/78
• 代理公司: 合肥兆信知識產權代理事務所(普通合伙) 34161
• 代理人: 孟祥龍

本發明公開了一種多目標聲信號混疊下的分離識別方法，其特征在于，包含以下步驟：1)采用多傳感器采集多目標的混疊聲信號，建立線性瞬時混疊的盲分離模型；2)對混疊聲信號進行盲源分離得到單信號；盲源分離采用基于滑動窗技術的在線峭度開關算法。本發明用于分離識別低空飛行目標效果好，在處理時變混合系統時具有良好的盲源分離性能。

技術領域

本發明涉及聲音信號處理領域，具體涉及一種多目標聲信號混疊下的識別方法。

背景技術

在實際戰場環境下，低空飛行目標多以編隊的形式出現，傳感器陣列采集到的聲信號不再是單一的目標信號，而是多個目標聲信號的混疊。這時需要識別的不再是獨立的單個目標，而是同時出現的多個目標，特別是當多個目標密集出現時，它們的聲信號互相干擾，傳感器陣列所采集到的信號往往是多種聲信號互相混疊后的結果。此時針對單一目標的特征提取、分類算法會失去作用。

在多目標混疊場景下，由于聲學傳感器采集到的信號是多個目標聲信號的混合，采用這樣的信號樣本是無法進行目標識別的，必須將混疊信號加以分離，獲得每個目標所產生的單一信號。但通常我們無法直接得到源信號的先驗知識，此外，混合信號是如何由原始信號混疊得到也是未知的，因而無法建立原始信號到傳感器的傳遞函數和模型，所面臨的問題屬于“盲”問題。

盲源分離(Blind Source Separation,BSS)理論是近年來新興并引起廣泛重視的一種信號處理方法。BSS理論的主要思想是：當各源信號未知，同時混疊通道參數也未知的情況下，僅從混合信號樣本出發，根據某些統計特性，即可實現對各個源信號的估計。獨立分量分析(Independent Component Analysis,ICA)是求解盲源分離最常用的工具，美國的SensIT項目組曾嘗試使用ICA去解決基于混疊聲音信號的多目標識別問題，但沒有取得好的結果。這是因為復雜的外界環境情況所導致的。而且，至今基于低空飛行目標信號的相關文獻還很少。

發明內容

本發明所要解決的技術問題是提供一種多目標聲信號混疊下的識別方法，用于分離識別低空飛行目標效果好。

為解決上述技術問題，本發明采用以下技術方案：

一種多目標聲信號混疊下的分離識別方法，包含以下步驟：

1)采用多傳感器采集多目標的混疊聲信號，建立線性瞬時混疊的盲分離模型；

2)對混疊聲信號進行盲源分離得到單信號。

進一步的，所述盲源分離的方法為：

1)引入基于峭度的盲源分離開關算法：

ΔW(k)＝α(k)E[Λ-D(t,k)]W(k)，

式中，D(t,k)＝y(t,k)y^T(t,k)+Jtanh(y(t,k)y^T(t,k))，是以矩陣的對角元素為元素的對角矩陣Λ＝diag(diag(D))；

2)基于滑動窗技術，將盲源分離開關算法應用于動態分析，獲取基于滑動窗的峭度遞推公式：

當n＝0,…L-1時，

進一步的，所述混疊聲信號的目標為低空飛行目標。

所述盲分離模型描述為下述形式：x(t)＝As(t)；

式中，A為N×N的混合矩陣；x(t)為m維觀測信號矢量；s(t)為N個統計獨立的源信號組成的列向量；

通過尋求分離矩陣W，通過它能由觀測信號x(t)恢復源信號s(t)：y(t)＝Wx(t)；

式中y(t)即為s(t)的估計矢量。

進一步的，所述分離識別方法還包括下述步驟：