论文部分内容阅读
野外监控传感网通常用于感知重点区域的态势信息，其主要任务是探测区域内的非法入侵目标。为了让决策者根据态势的变化做出科学合理的决策，监控传感网需要向决策者提供详尽、完整的情报信息，入侵目标的速度、距离、加速度、类型都是态势信息的重中之重。本文围绕野外监控传感网中运动目标的探测和识别问题，以麦克风传感器为探测手段，以运动目标声响信号的本质为立足点，根据信号传播的能量衰减特点和多普勒效应，从监控传感网的角度对运动参数估计、鲁棒特征提取、分类系统设计等几个问题展开重点研究。本文的主要内容与创新点如下: (1)为了从声音信号中提取出目标的速度和距离信息，本文首先提出一种时频域相结合的基频提取算法(MTFF)。时域方法计算量小精度低，频域方法计算量大精度高，通过结合时频域方法以及按需调整搜索步长，本基频提取算法可以方便地在精度和计算量间做出折中。然后，根据MTFF算法提取的目标基频信息以及声音多普勒效应，本文可以得到高精度的速度和距离信息。实验结果表明，本文提出的MTFF基频提取算法精度高(速度估计精度为96.2％，距离精度为91.64％)、灵活性强，并且能够方便地在精度和计算量间做出折中，适用于野外环境的目标运动参数估计。 (2)基于单基频的运动参数估计法只能估计匀速运动状态下的速度和距离，这只适用于少数的场景。就这一不足，本文提出了基于多基频的运动参数估计方法(NMFF)。该方法不再局限于目标做匀速运动的假设，更具普适性，其不仅可以估计出目标的初始速度、距离，还能估计出加速度。该方法首先建立了运动目标声音信号的双基频模型，接着构建了一个双基频提取算法，然后对所提取的基频进行信息融合，最后在融合结果的基础上计算运动目标的加速度。在匀变速运动的参数估计中，基于双基频的方法计算出的初始速度、距离、加速度的误差分别为2.46％、4.22％、10.81％，满足工程应用的需求。此外，本文所提出的双基频提取方法还可以进一步扩展为多基频提取算法，具有一定的延伸拓展空间。 (3)野外环境的气候条件千变万化，受风噪等气候条件的影响，野外环境运动目标声音信号也是复杂多变，然而，人工建立的训练样本库却是有限的，所以，在运动目标声音信号识别领域存在测试样本与训练样本失配的问题。为了解决这一问题，本文基于单个麦克风传感器提出一种自适应的特征提取方法(HMFCC)，该方法根据信号的谐波成分实时地构建三角滤波器，从而自适应地增强声音信号的谐波成分，因而可以在一定程度上减轻样本库失配对识别带来的影响。本文巧妙地设计了一个实验，验证了该算法在不同环境下的适用性。此外，本算法不仅适用于运动目标声音信号，也适用于其它谐波信号，因而具有较大的推广应用价值。 (4)虽然HMFCC可以在一定程度上解决样本库失配问题，但是并不能克服严重噪声干扰造成的特征失效。为了进一步提高对声音信号的分类识别能力，通常在提取特征之前先对声音信号进行增强。在语音信号处理领域，通常会先采用麦克风阵列来增强语音信号的质量，继而再作模式分类。然而，传统的驻极体式麦克风阵列体积大不便于野外使用，而且，当前的语音信号增强算法较为复杂，其收敛速度慢于运动目标运动的速度，因此当前的信号增强算法对运动目标并不适用。受益于MEMS技术的发展，本文首先设计了一个微小孔径的MEMS麦克风阵列，利用微小孔径MEMS麦克风阵列和相干平均法进行信号增强可以得到高信噪比的声响信号。最后，鉴于说话人识别与声目标识别间的相似性，本文结合运动目标声音信号的特点及说话人识别的成功经验设计了一种简单易用的分类方法，取得了令人满意的分类率(98.38％)。本文设计的样机体积小、成本低，具有简单、高效、实用的优点。 本文提出的方法在多次大型外场试验中得到了验证，部分成果已应用于型号产品中。