一种MFCC水下目标特征提取和识别方法，包括步骤：1）获取数据序列x(n)；2）进行分帧处理得到xi(n)；3）通过加窗操作得到yi(n)；4）计算分帧加窗信号的单边功率谱密度pi(l)；5）求解三角滤波器组的传递函数Hm(f)，通过三角滤波器组得到Q；6）进行对数变换得到E；7）分别进行t方向和f方向的Sobel算子和拉普拉斯算子3×3的模板块运算得到A、B和C；8）分别进行DCT变换得到特征集CA,CB,CC，组合特征；9）通过基于EM算法的混合高斯模型的聚类分类器进行水下目标识别。本方法有利于提高水下目标的识别率。
【技术实现步骤摘要】
本专利技术涉及水下目标的分类识别技术，尤其涉及一种新的MFCC水下目标特征提取和识别方法。
技术介绍
海洋环境的复杂多变性使得目标特性很难定性描述，因此，水下目标的分类识别是水声信号处理的难题。
技术实现思路
技术问题本专利技术所要解决的技术问题是提供一种新的MFCC水下目标特征提取和识别方法，该方法利用人耳对声音的非线性辨别能力，通过图像锐化处理中的Sobel算 子和拉普拉斯算子运算，获得基于图像处理的新的MFCC特征，并采用基于EM算法的混合高斯模型的聚类分类器，仿真结果具有高识别率。技术方案为解决上述技术问题，本专利技术的一种新的MFCC水下目标特征提取和识别方法首先对水下目标信号(即舰船辐射噪声信号)分别进行分帧加窗的单边功率谱求取，求解基于Mel频率的三角滤波器的频域传递函数，将水下目标信号的功率谱与三角滤波器组相乘并进行对数变化，经过t方向和f方向的Sobel算子和拉普拉斯算子运算，最后进行DCT变化去除特征间的相关性，设计基于EM算法的混合高斯模型的聚类分类器，提高水下目标的识别率。本专利技术的原理是利用了人耳对声音的非线性辨别能力，采用倒谱技术中的MFCC方法，将水下目标发声体和信道的频谱分开，从而提取发声体的特征，并利用图像锐化处理中的线性微分算子运算，提取有利的细微变化特征，设计基于EM算法的混合高斯模型的聚类分类器。本专利技术方法的具体实现方式包括以下步骤第一步获取舰船辐射噪声信号对应的数据序列X (n):接收长度为N的实时采集数据或提取N点存储的现成数据作为待处理的数据序列X (n)，n=0，1，…N-I，数据的采样率为fs ；第二步进行分帧处理得到Xi (n):对第一步的数据序列X (n)进行分帧处理，得到每一帧数据序列Xi (n)，其中，Xi (n) =x (n+id)式(I)在式(I)中，n=0, 1，…L-l, i=0, 1，…K_l,[=+1 ^」表示向下取整运算；L表示Xi (n)的数据长度，d表示帧之间的重复数据数目，K表示帧的数目；第三步通过加窗操作得到Yi (n):对每一巾贞数据序列Xi (n) (i =0，I,…K_l)进行加窗处理，得到Ji (n)，其中，y^n) =Xi (n)w(n)式(2)在式(2)中，i=0,1，…K—l, n=0, 1，…L—l, w(n) =0. 54—0. 46cos (2 n/L)，;w(n)表示窗函数；第四步计算分帧加窗信号的单边功率谱密度Pi (I):对数据序列yi(n)求解单边功率谱密度Pi(I),其中， 权利要求1.一种MFCC水下目标特征提取和识别方法，其特征在于，步骤包括 首先，对水下目标信号即舰船辐射噪声信号分别进行分帧加窗的单边功率谱求取； 接下来,求解基于Mel频率的三角滤波器的频域传递函数； 然后，将水下目标信号的功率谱与三角滤波器组相乘并进行对数变化，经过t方向和f方向的Sobel算子和拉普拉斯算子运算； 最后，进行DCT变化去除特征间的相关性，设计基于EM算法的混合高斯模型的聚类分类器。2.按照权利要求I所述的一种新的MFCC水下目标特征提取和识别方法，其特征在于，本方法具体包括以下步骤 第一步获取舰船辐射噪声信号对应的数据序列X(ri) 接收长度为N的实时采集数据，或提取N点存储的现成数据作为待处理的数据序列X (n), n=0, I,…N-1,数据的采样率为fs ； 第二步进行分帧处理得到Xi(H) 对第一步的数据序列X (n)进行分帧处理，得到每一帧数据序列Xi (n)，其中， Xi (n) =x(n+id)式(I) 在式(I)中，n=0, I,…L-l, i=0, I,…K-1,尺=+1 」表示向下取整运算；L表示Xi(n)的数据长度，d表示帧之间的重复数据数目，K表示帧的数目； 第三步通过加窗操作得到yi(n) 对每一巾贞数据序列xjn) (i = 0, I,…K-1)进行加窗处理,得到Yi (n),其中， Yi (n) =Xi(Ii)W(Ii) 式(2)在式(2)中，i=0, I,…K-1, n=0, I, ... L-l, w(n) =0. 54-0. 46cos (2 n n/L)，；w(n)表示窗函数； 第四步计算分帧加窗信号的单边功率谱密度Pi (I) 对数据序列Yi (n)求解单边功率谱密度Pi (I),其中， pA1)^ ZM )exp{—.,2雁式⑶OI 在式(3)中,1=0, I,…L/2+1, I I表示绝对值运算，j表示虚数单位，即j = 4-\ ; i=0, I,2，…，K-I ； 第五步求解三角滤波器组的传递函数Hm(l)，通过三角滤波器组得到Q，其中，Q表示运算的结果，无特指含义 求解三角滤波器组在频域的传递函数Hm(I)，从第四步的分帧的单边功率谱密度Pi(I)通过三角滤波器组得到Q，其中，在式(4)中，Hm(I)表示三角滤波器的传递函数，1=0，I,…L/2+1 ；i=0, 1，…K-I ； 将范围在(0，fs/2)的频率f均等分成L/2+1个频率点，按照式(5)计算Mel频率值mel=25951og(l+f/700)式(5)将mel均等分成M+2个Mel频率值，me I的取值范围在(O，25951og (l+fs/700))，依次对每个Mel频率值找f中对应最接近的频率值点，组成，按照式(6)计算Hm(f)，将Hm(f)中的f按照序号表示，得到Hm(I)，1=0，I, ... L/2+1，3.按照权利要求I所述的一种MFCC水下目标特征提取和识别方法，其特征在于，所述第九步中，按照第八步得到的特征数据集X=IX1, X2,. . . xN*}作为基于EM算法的混合高斯模型的聚类分类器的输入； 首先训练混合高斯模型的各参数，然后根据概率密度最高原则进行聚类，C= {C1，C2，…CE},其中，混合高斯模型如式(11)、(12)4.按照权利要求I所述的一种MFCC水下目标特征提取和识别方法，其特征在于，所述的第七步中，Sobel算子和拉普拉斯算子3X3的模板为5.按照权利要求I所述的一种MFCC水下目标特征提取和识别计方法，其特征在于，所述的第九步中，初始值设置采用K-means设置方法。全文摘要一种MFCC水下目标特征提取和识别方法，包括步骤1)获取数据序列x(n)；2)进行分帧处理得到xi(n)；3)通过加窗操作得到yi(n)；4)计算分帧加窗信号的单边功率谱密度pi(l)；5)求解三角滤波器组的传递函数Hm(f)，通过三角滤波器组得到Q；6)进行对数变换得到E；7)分别进行t方向和f方向的Sobel算子和拉普拉斯算子3×3的模板块运算得到A、B和C；8)分别进行DCT变换得到特征集CA,CB,CC，组合特征；9)通过基于EM算法的混合高斯模型的聚类分类器进行水下目标识别。本方法有利于提高水下目标的识别率。文档编号G06K9/62GK102799892SQ201210194530公开日2012年11月28日 申请日期2012年6月13日 优先权日2012年6月13日专利技术者曹红丽, 方世良 申请人:东南大学本文档来自技高网...
【技术保护点】
一种MFCC水下目标特征提取和识别方法，其特征在于，步骤包括：首先，对水下目标信号即舰船辐射噪声信号分别进行分帧加窗的单边功率谱求取；接下来，求解基于Mel频率的三角滤波器的频域传递函数；然后，将水下目标信号的功率谱与三角滤波器组相乘并进行对数变化，经过t方向和f方向的Sobel算子和拉普拉斯算子运算；最后，进行DCT变化去除特征间的相关性，设计基于EM算法的混合高斯模型的聚类分类器。
【技术特征摘要】
【专利技术属性】
技术研发人员：曹红丽，方世良，
申请(专利权)人：东南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。