复杂背景下低空飞行多目标声探测处理方法研究

低空飞行目标的被动声探测方法由于能弥补雷达等其他探测手段的不足，正受到越来越多的重视。但由于战场声环境的复杂多变、目标高速飞行以及现有声识别方法的局限性，识别的鲁棒性和准确性还有待提高。本项目综合利用现代信号处理的新技术，对低空飞行的多种目标展开声探测算法研究，包括提出采用盲源分离技术把各种目标信号以及噪声分离开来；在提取模拟人耳听觉特性的差分美尔倒谱系数的基础上，联合其他特征提取方法提取特征向量，以提高声目标识别的鲁棒性；将隐马尔可夫模型(HMM)与支持向量机(SVM)相结合,根据隐马尔可夫模型适合于处理连续动态信号与支持向量机适合于小样本下模式分类的特点, 提出基于HMM-SVM 串联结构的声信号分类器；针对HMM仅在时域上对信号作分段对齐，没有考虑能提供更多信息的频域特性，拟研究时频域隐马尔可夫模型(TFHMM)，克服目标高速飞行引起的多普勒效应，以提高识别的准确性。