[发明专利]一种多目标声信号混叠下的识别方法

说明书

本发明公开了一种多目标声信号混叠下的分离识别方法，其特征在于，包含以下步骤：1)采用多传感器采集多目标的混叠声信号，建立线性瞬时混叠的盲分离模型；2)对混叠声信号进行盲源分离得到单信号；盲源分离采用基于滑动窗技术的在线峭度开关算法。本发明用于分离识别低空飞行目标效果好，在处理时变混合系统时具有良好的盲源分离性能。

技术领域

本发明涉及声音信号处理领域，具体涉及一种多目标声信号混叠下的识别方法。

背景技术

在实际战场环境下，低空飞行目标多以编队的形式出现，传感器阵列采集到的声信号不再是单一的目标信号，而是多个目标声信号的混叠。这时需要识别的不再是独立的单个目标，而是同时出现的多个目标，特别是当多个目标密集出现时，它们的声信号互相干扰，传感器阵列所采集到的信号往往是多种声信号互相混叠后的结果。此时针对单一目标的特征提取、分类算法会失去作用。

在多目标混叠场景下，由于声学传感器采集到的信号是多个目标声信号的混合，采用这样的信号样本是无法进行目标识别的，必须将混叠信号加以分离，获得每个目标所产生的单一信号。但通常我们无法直接得到源信号的先验知识，此外，混合信号是如何由原始信号混叠得到也是未知的，因而无法建立原始信号到传感器的传递函数和模型，所面临的问题属于“盲”问题。

盲源分离(Blind Source Separation,BSS)理论是近年来新兴并引起广泛重视的一种信号处理方法。BSS理论的主要思想是：当各源信号未知，同时混叠通道参数也未知的情况下，仅从混合信号样本出发，根据某些统计特性，即可实现对各个源信号的估计。独立分量分析(Independent Component Analysis,ICA)是求解盲源分离最常用的工具，美国的SensIT项目组曾尝试使用ICA去解决基于混叠声音信号的多目标识别问题，但没有取得好的结果。这是因为复杂的外界环境情况所导致的。而且，至今基于低空飞行目标信号的相关文献还很少。

发明内容

本发明所要解决的技术问题是提供一种多目标声信号混叠下的识别方法，用于分离识别低空飞行目标效果好。

为解决上述技术问题，本发明采用以下技术方案：

一种多目标声信号混叠下的分离识别方法，包含以下步骤：

1)采用多传感器采集多目标的混叠声信号，建立线性瞬时混叠的盲分离模型；

2)对混叠声信号进行盲源分离得到单信号。

进一步的，所述盲源分离的方法为：

1)引入基于峭度的盲源分离开关算法：

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))，是以矩阵的对角元素为元素的对角矩阵Λ＝diag(diag(D))；

2)基于滑动窗技术，将盲源分离开关算法应用于动态分析，获取基于滑动窗的峭度递推公式：

当n＝0,…L-1时，

进一步的，所述混叠声信号的目标为低空飞行目标。

所述盲分离模型描述为下述形式：x(t)＝As(t)；

式中，A为N×N的混合矩阵；x(t)为m维观测信号矢量；s(t)为N个统计独立的源信号组成的列向量；

通过寻求分离矩阵W，通过它能由观测信号x(t)恢复源信号s(t)：y(t)＝Wx(t)；

式中y(t)即为s(t)的估计矢量。

进一步的，所述分离识别方法还包括下述步骤：