基于短时处理和经验模态分解的地面战场目标被动声识别

• 作者: 孙国强 张传清 樊新海
• 来源期刊: 测试技术学报
• 学科: 工学
• 关键词: 短时能量 经验模态分解(EMD) 目标识别 神经网络 分级识别
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 数据采集与图像处理
• 页码范围: 434-437
• 页数: 4页
• 分类号: TN911.72
• 字数: 1305字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7449.2017.05.011

摘要

针对地面战场目标的被动声识别问题,选取具有代表性的两类坦克、两类履带式装甲车以及卡车作为被动声识别目标对象,以雷声和枪声作为干扰噪声信号,对所采集的声信号进行短时能量分析,得到声信号的短时能量谱,计算短时能量平均值,利用阈值法筛选识别枪声信号,根据经验设置阈值范围;而后,利用经验模态分解(The Empirical Mode Decompo-sition,EMD)方法处理声信号,使其自适应分解得到若干IMF分量,计算IMF分量与原信号能量的比值作为特征值构建特征向量,并利用BP神经网络设计分类器,建立了一种地面目标分级识别方法.研究结果表明:该方法对目标工况适应性强,识别率可达90％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	樊新海	装甲兵工程学院机械工程系	41	459	12.0	20.0
2	张传清	装甲兵工程学院机械工程系	28	117	6.0	9.0
3	孙国强	装甲兵工程学院机械工程系	5	21	3.0	4.0