[发明专利]基于多维特征空间的低空声目标综合识别方法及装置

权利要求书

1.一种基于多维特征空间的低空声目标综合识别方法，其特征在于，包括以下步骤：

步骤1：通过多通道声音传感器阵列采集信号；

步骤2：对采集信号进行分析计算，获得包括时频特征、空间特征和谐波特征的多维特征向量；

步骤3：将所述多维特征向量输入至目标分类模型，进行目标识别。

2.根据权利要求1所述的基于多维特征空间的低空声目标综合识别方法，其特征在于：步骤2中，时频特征、谐波特征通过对单通道信号的分析计算获得；空间特征通过对多通道信号的分析计算获得。

3.根据权利要求1所述的基于多维特征空间的低空声目标综合识别方法，其特征在于：步骤2中，信号的时频特征通过如下方法获得，

将信号通过傅里叶变换获得频谱，对频谱取模平方获得其功率谱；

通过Mel滤波器组对所述功率谱进行滤波，获得Mel谱；

对所述Mel谱进行离散余弦变换获得Mel频率倒谱系数MFCC。

4.根据权利要求1所述的基于多维特征空间的低空声目标综合识别方法，其特征在于：步骤2中，信号的谐波特征通过如下方法获得，

通过谐波检测获得谐波谱；

对所述谐波谱进行离散余弦变换获得谐波谱倒谱系数HPCC。

5.根据权利要求4所述的基于多维特征空间的低空声目标综合识别方法，其特征在于:基于如下公式进行谐波检测,

|frequency(k)/fm-i_mk|≤ε

式中frequency(k)表示各功率谱谱峰对应的频率，f_m是假定基频，i_mk对应谐波次数,ε是选定的阈值。

6.根据权利要求4所述的基于多维特征空间的低空声目标综合识别方法，其特征在于：步骤2中，信号的空间特征通过如下方法获得，

基于信号的时频谱，多通道计算每个时频单元的局部DOA估计，得到空间谱；

对所述空间谱进行离散余弦变换获得空间倒谱系数SPCC。

7.根据权利要求4所述的基于多维特征空间的低空声目标综合识别方法，其特征在于：步骤3中，目标分类模型采用GMM-HMM模型。

8.根据权利要求7所述的基于多维特征空间的低空声目标综合识别方法，其特征在于：步骤3中，针对每个目标类型建立一个GMM-HMM模型；目标类型包括直升机、战斗机、环境干扰。

9.根据权利要求7所述的基于多维特征空间的低空声目标综合识别方法，其特征在于：步骤3中，建立目标分类模型时，模型参数通过如下方法训练获得，

步骤3.1：设置最大训练次数，并设置归一化收敛阈值ε；给定初始参数λ；

步骤3.2：利用Baum-Welch重估算法对初始化参数λ进行参数重估，得到新的模型参数

步骤3.3：利用维特比算法求所有观察值序列的输出概率

步骤3.4：计算观察值序列的输出概率P的变化，如若则令并返回步骤3.2继续进行迭代，直到模型参数收敛；如果迭代次数大于最大训练次数，即使不收敛也停止运算。

10.一种基于多维特征空间的低空声目标综合识别装置，其特征在于，包括：

多通道声音传感器阵列，所述多通道声音传感器阵列用于采集声音信号；

声音信号分析计算单元，所述声音信号分析计算单元用于对采集信号进行分析计算，获得包括时频特征、空间特征和谐波特征的多维特征向量；

目标识别单元，所述目标识别单元包括目标分类模型，将所述多维特征向量输入至所述目标分类模型，进行目标识别；

显示单元，所述显示单元用于将目标识别结果进行显示。