当前位置：文档之家 › 基于简化多重分形谱算法的声信号预警识别

基于简化多重分形谱算法的声信号预警识别

  • 格式：pdf
  • 大小：298.23 KB
  • 文档页数：5

下载文档原格式

  / 5

合集下载

基于1阶Minkowski度量的多重分形谱算法

基于1阶Minkowski度量的多重分形谱算法
第３ ３卷 第 ７期
２ ０ １２年 ７月
兵
工
学
报
Ｖ０ ． ３ １ ３ Ｎｏ． ７
ＡＣＴＡ ＡＲＭＡＭ ＥＮＴＡＲＩ Ｉ
Ｊ ． ｕ１
２ ２ Ｏ１
基于 １阶 Ｍｉｋ ｗ ｋ 度量 的多重分形谱算法 ｎ ｏ ｓｉ
张 胜 ，方 向 ，张 卫 平
（ ． 放 军 理 工 大 学 工 程 兵 工 程 学 院 ， 苏 南 京 ２０ ０ ；． 放 军 国 际 关 系学 院 ５系 ，江 苏 南 京 ２ ０ ３ ） １解 江 １０ ７ ２ 解 １０ ９
ＺＨＡＮＧ ｈ ｎ ，ＦＡＮＧ ａ ｇ ＺＨ ＡＮＧ ｅ ． ｉ ｇ Ｓ ｅ ｇ Ｘｉ ｔ ｆＥ ｇｎ ｅｉｇ Ｐ Ａ Ｕｎｖ ｒｉ ｆＳ ｉｎ ｅａ ｄＴ ｃ ｎ ｌｇ １ Ｅ ｇｎ ｅｉ ｎ ｔｕｅｏ ｎ ｉｅ ｒ ， Ｌ ｉｅｓｔ ｏ ｃｅ ｃ ｎ ｅ ｈ ｏｏｙ，Ｎａｊｎ １０ ７，ｊ ｎ ｓ ｎ ｔ ｎ ｙ ｎｉｇ２ ０ ０ ｉ ｇｕ，Ｃ ｉａ； ａ ｈｎ ２ Ｄ ｐ ｒｍｅ ｔ ． ｅ ａｔ ｎ ５，Ｐ Ａ Ｉｓｉ ｔ ｎ ｏ ｎｅｎ ｔ ｎ ｌＲ ｌｔ ｎ ，Ｎａ ｊ ｇ２ ０ ３ Ｌ ｎ ｔｕｉ ｆＩｔｒａｉ ａ ｅａｉ ｓ ｔ ｏ ｏ ｏ ｎｉ １ ０ ９，Ｊａ ｇｕ，Ｃ ｉａ ｎ ｉｎ ｓ ｈｎ ）
ｍ ｅｈ ｄ ｉ ｉ ｈ ｒｔ ｎ ｚ ｒ — ａ ｓａ ａｙ ｉ ｔｏ ｓ ｏ ｙ ｔ ｏ ｓｈ ｇ ｅ ｈａ ｅ ｏ ｐ ｓ ｎ ｌ ｚｎｇ ｍｅｈ ｄ ｗｅ ｕ ｅ ｔｄａ ．
Ｋｅｙ ｗｏｒ ｄｓ：ｉ ｆｒ ｔ ｎ ｐｒ ｃ ｓｉ ｇ；ｉ ｅ ｔｆｃ ｔ ｎ ｆ ｒｅ ｒｙ ａａ ｍｉ ｇ；ｍｕ ｆａ ｔｌｓ ｅ ｔｕｍ ；ｔ ｎ ・ａ ｉ－ ｎ ｏ ｍａｉ ｏ ｅ ｓｎ ｏ ｄ ｎ ｉ ａ ｉ ａ ｌ ｌｒ ｎ ｉ ｏ ｏ ｈｉ ｃａ ｐ ｃｒ ｒ ａ ｋ ｒ ｄ ａ

基于多重和高阶分形特性的雷达信号调制方式识别

基于多重和高阶分形特性的雷达信号调制方式识别
ｋ
对 式 （） １两边 各 自乘 ｑ次方并 取 和得 到 ：
Ｎ Ｎ
ｘ ｇ 一∑ ＝ ∑ （ ） （ ） ＝ Ｌ叩 ：
—
（ ３ ）
（） ４
Ｈ一 一∑ Ｐｏ ｉｇ ｌｐ
—
（） １ １
（２ １）
ｌ
ｌ
ｚ １ 一
ｇ次信 息维 Ｄ。广 义维 数） 义为 ： （ 定
是 由一 些具 有不 同局 域 分 形 维 数 的 局 域分 形 结 构 所 组成 。这 种 由不 同局 域 分形 结 构 组 成 的整 体 便 称 为多重 分形 ［ 。把 所研 究 的对 象分 为 Ｎ 个 小 区 １ ］
ｒ＝ （ ） ∑ （ ） 专 （ ｉ＝ ， 一 ｊ ＝ ｚ 一 。 ７ ］ ）
１ 引言
分 形理论 中 的盒 维 数 能反 映分 形 集 的 几 何 尺
展， 重分形也称作 “ 标度分形” “ 分形” 。 多 多 、复 等 它用 一个谱 函 数来 描 述 分 形 体不 同层 次 的生 长 特
征 ， 系统 的局 部 出 发来 研 究 其 最 终 的整 体 特征 。 从 另外在 研究分 形 特征 的时候 ， 常会 发现 几个 表 面 常 或结构 完全 不 同 的分 形 集 有 着相 同或 相 似 的分形 维数 ， 这时仅 用分 形维 数 已无 法 对其 进行 区分 。故 用 高 阶分形 特 性缝 隙作 为 分 维 的一 个 补 充 。本文
式 （） 明 ａ是 表 征 分 形 体 某 一 小 区域 的 分 ２表
维， 称为 局部 分 维 。 由 于小 区域 数 目很 大 ， 是 可 于 得 到一个 由不 同 ０所 组 成 的无 穷 数 列 构 成 的谱 ／ ／
（ ， ） １
尼为 信 号 的多 重 分 形 广 义 维 数 谱 ， Ｄ

基于谱减法的语音增强技术

基于谱减法的语音增强技术

算法实现流程
逆快速傅里叶变换（IFFT）
对增强后的频谱进行逆快速傅里叶变换，得到增强后的时域信号。
后处理
对增强后的信号进行后处理，如门限判决、非线性处理等，以提高增强效果。
算法优化与改进
01
02
03
自适应噪声估计
采用自适应滤波算法，根 据输入信号自动调整噪声 估计的参数，以提高噪声 估计的准确性和鲁棒性。
基于谱减法的语音增强技术是 一种常用的方法，通过去除噪 声成分来提高语音质量。
研究意义
基于谱减法的语音增强技术在实 际应用中具有重要意义，如语音 通话、语音助手、语音识别等。
通过对谱减法的研究，可以深入 了解语音信号的特性，为语音处
理技术的发展提供理论支持。
基于谱减法的语音增强技术还可 以为其他相关领域提供借鉴和参 考，如音频处理、音频分析等。
在实际应用中，谱减法常用于语音信 号处理领域，特别是在语音识别、语 音合成和语音存储等场景中。
谱减法还可以与其他语音增强技术结 合使用，如基于规则的增强方法、基 于神经网络的增强方法等，以进一步 提高语音增强的效果。
通过使用谱减法，可以有效降低噪声 干扰，提高语音信号的清晰度和可懂 度，从而提高语音处理系统的性能。
谱减法在语音增强中表现出较好的效果，能够有效降低噪声干扰，提高语 音质量。
通过对不同噪声环境下的实验，证明了谱减法在不同场景下的适用性和鲁 棒性。
与传统滤波器方法相比，谱减法具有计算复杂度低、处理速度快等优势， 适合实时语音处理应用。
研究不足与展望
当前研究主要集中在谱减法的基 本算法和改进上，对于复杂噪声 环境的适应性还有待提高。
鲁棒性分析
在不同噪声类型和强度下，谱减法均表现出较好的鲁 棒性。

多重分形维数在语音分割和语音识别中的应用

多重分形维数在语音分割和语音识别中的应用

多重分形维数在语音分割和语音识别中的应用
董远;胡光锐
【期刊名称】《上海交通大学学报》
【年(卷),期】1999(33)11
【摘要】语音气流中具有混沌特征，而分形可以定量地分析混沌现象，故分形可作为分析语音信号的数学工具．由于传统的Ｈａｕｓｄｏｒｆｆ－Ｂｅｓｉｃｏｖｉｔｃｈ维数没有考虑关于集合中点的分布信息，本文引入多重分形维数来克服上述缺点．实验表明，多重分形维数语音分割方法明显好于单一Ｈａｕｓｄｏｒｆｆ－Ｂｅｓｉｃｏｖｉｔｃｈ
【总页数】3页(P1406-1408)
【关键词】分形;多重分形;语音分割;语音识别;维数
【作者】董远;胡光锐
【作者单位】上海交通大学电子工程系
【正文语种】中文
【中图分类】TN912.34;TP391.42
【相关文献】
1.多重分形维数谱及其在内燃机故障诊断中的应用 [J], 夏勇;张振仁;商斌梁;薛模根;郭明芳
2.基于Z-ordering的多重分形维数及多重分形谱算法 [J], 闫光辉;马志程;刘利松;杜琳娜;杨霞霞
3.锈蚀钢材表面的分形维数与多重分形谱 [J], 徐善华;夏敏
4.基于分形维数实现语音分割和增强 [J], 陈亮;张雄伟
5.基于MFCC与分形维数混合参数的语音识别 [J], 雷涛;姚明海;马洪蕊
因版权原因，仅展示原文概要，查看原文内容请购买。

基于多重分形谱的小麦病害图像特征提取方法

基于多重分形谱的小麦病害图像特征提取方法

的识别 ； 田有文等将支持 向量 机方法应用 于黄瓜 、 葡萄 、 玉 米、 番茄等的病害识别 中， 取得 了很好 的识别效果 ； 陈Байду номын сангаас旗等
提取小麦的颜色特征对小麦病害进行识别 ， 提高了病害识别的
准确率 。现有的研究大多数基于纹理特征和颜色特征在可 见光范围内进行病 害识别 ， 这些 方法或算法 比较复杂 ， 运行时 间较长 ， 并且达不到理想的识别效果。本研究引入提升格式的 多小波变换和多重分形理论 ， 提取小麦病害图像的 ８个多重分 形谱值 ， 作为小麦病害的形状特征 ， 旨在通过提取 小麦病害的 形状特征值进行小麦病害的诊断。
ｌ ｎ ｄ： ａ ＣＭＩ ／ＡＡＢ， ２ ０ ０ ０ ．
作者简介 ： 张飞云 （ １ ９ ７ ６ 一） ， 女， 河南周 Ｉ ｓ １ 人， 硕士 ， 讲 师， 主要从 事信
号处 理 、 模 式 识别 研 究 。Ｅ—ｍ ａ ｉ ｌ ： ｙ ｔ ｙ ｘ ＿ １ ２ ３ ＠１ ６ ３ ． （ ｔ ｏ ｍ。
２ ０ ０ ０ －２ ０ ０ ８ 年 水 稻条 纹 叶枯 病 在江 苏 连年 严 重 发生 的现状 。
江苏水稻条纹叶枯病的主要防治策略“ 抗、 避、 断、 治” ， 而
生产上常用的是 “ 治虫控病” ， 即通过使用化学药 剂防治灰飞 虱切断其传毒过程 以达到预 防病 害流 行的 目的。２ ０ ０ １ －２ ０ ０ ３ 年在江苏的防治实践 中发 现， 在灰飞虱发生量较低的情况下 ，
一
９ Ｏ一
江苏农业科学
２ ０ １ ３年第 ４ １ 卷第 ３ 期
张飞云．基于多重分形谱的小麦病害 图像特征提取 方法［ Ｊ ］ ．江苏农业科学， ２ ０ １ ３ ， ４ １ （ ３ ） ： ９ ０—９ ２

基于多重分形谱的道路交通事故分析

基于多重分形谱的道路交通事故分析
ｏ ｎ ｔ ｈｅ ｍ ｕｌ ｔ ｉ — ｆ ｒ ａ ｃ ｔ ａ ｌ ｓ ｐｅ ｃ ｔ ｒ ｕｍ ｏ ｆ ｔ ｒ ａ ｆ ｆ ｉ ｃ ａ ｃ ｃ ｉ ｄｅ ｎｔ ｔ ｉ ｍｅ ｓ ｅ ｒ ｉ ｅ ｓ ｉ ｎ Ｓ ｈａ ｎ ｄｏ ｎ ｇ ｐｒ ｏ ｖ ｉ ｎｃ ｅ ｆ ｒ ｏ ｍ ２ ０ ０８ ｔ ｏ
ｔ ａ ｉ ｎｅ ｄ． Ｔｈｅ ｒ ｅ ｓ ｕｌ ｔ ｓ ｓ ｈｏ ｗ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｔ ｉ ｍｅ ｓ ｅ ｒ ｉ ｅ ｓ ｈ ａ ｖ ｅ ｔ ｈ ｅ ｃ ｈａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｓ ｏ ｆ ｔ ｈ ｅ ｍ ｕｌ ｔ ｉ — ｆ ｒ ａ ｃ ｔ ａ １ ｄ ｉ ｓ ｔ ｒ ｉ ｂｕ — ｔ ｉ ｏｎ ．Ｉ ｔ ｐ ｒ ｏｖ ｉ ｄ ｅ ｓ ａ ｎ ｅ ｗ ｔ ｈ ｅ ｏ ｒ ｅ ｔ ｉ ｃ ａ １ ｍｅ ｔ ｈｏ ｄ ｆ ｏ ｒ ｔ ｈｅ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｆ ｔ ｒ ａ ｆ ｆ ｉ ｃ ａ ｃ ｃ ｉ ｄｅ ｎｔ ｓ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ：ｔ ｒ ａ ｆ ｆ ｉ ｃ ａ ｃ ｃ ｉ ｄ ｅ ｎ ｔ ；ｔ ｈｅ ｐａ ｒ ｔ ｉ ｔ ｉ ｏ ｎ ｆ ｕ ｎｃ ｔ ｉ ｏｎ； ｔ ｈ ｅ ｍｕ ｌ ｔ ｉ — ｆ ｒ ａ ｃ ｔ ａ ｌ ｓ ｐｅ ｃ ｔ ｒ ｕ ｍ
Ａｂｓ ｔ ｒ ａ ｃ ｔ ： Ｆｉ ｒ ｓ ｔ ｏ ｆ ａ ｌ ｌ ，ｔ ｈ ｅ ｍｕｌ ｔ ｉ — ｆ ｒ ａ ｃ ｔ ａ ｌ ｔ ｈ ｅ ｏ ｒ ｙ ａ ｎｄ ｔ ｈｅ ａ ｌ ｇ ｏｒ ｉ ｔ ｈｍｉ ｃ ｏ ｆ ｔ ｈ ｅ ｍｕｌ ｔ ｉ — ｆ ｒ ａ ｃ ｔ ａ ｌ ｓ ｐｅ ｃ ｔ ｒ ｕ ｍ ｗｅ ｒ ｅ ｂｒ ｉ ｅ ｆ ｌ ｙ ｄ ｅ ｓ ｃ ｒ ｉ ｂ ｅ ｄ ． Ｔｈｅ ｎ，ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈｅ ｍｕ ｌ ｔ ｉ — ｆ ｒ ａ ｃ ｔ ａ ｌ ｔ ｈｅ ｏ ｒ ｙ，ｔ ｈｉ ｓ ｐ ａ ｐｅ ｒ ｐ ｒ ｅ ｓ ｅ ｎｔ ｅ ｄ ａ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ

基于多重分形的语音情感识别研究

学校代号10536 学号0810803562 分类号TP391.4 密级公开硕士学位论文基于多重分形的语音情感识别研究学位申请人姓名张密霞培养单位长沙理工大学导师姓名及职称叶吉祥教授学科专业计算机应用技术研究方向人工智能及其应用论文提交日期2011年3月学校代号：10536学号：0810803562密级：公开长沙理工大学硕士学位论文基于多重分形的语音情感识别研究学位申请人姓名张密霞导师姓名及职称叶吉祥教授培养单位长沙理工大学专业名称计算机应用技术论文提交日期2011年3月论文答辩日期2010年5月答辩委员会主席车生兵教授Speech Emotion Recognition based on MultifractalbyZhang Mi-xiaB.E.( Changsha University of Science & Technology) 2008A thesis submitted in partial satisfaction of theRequirements for the degree ofMaster of EngineeringinComputer Application TechnologyinChangsha University of Science & TechnologySupervisorProfessor Ye Ji-xiangMarch, 2011长沙理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。

除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。

对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。

本人完全意识到本声明的法律后果由本人承担。

作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。

一种简化的多重分形维数算法


关键词 ： 简化 ； 多重分形 维数； 算法
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： ｓ ｉ ｍｐ ｌ ｉ ｆ ｉ ｅ ｄ ； ｍｕ ｌ ｔ ｉ － ｆ ｒ ａ ｃ ｔ ａ ｌ ｄ ｉ ｍｅ ｎ ｓ ｉ ｏ ｎ ； ａ ｌ ｇ ｏ ｉｔ ｒ ｈ ｍ
中图分类号 ： Ｔ Ｐ ３ ０ １ ． ６
文献标识码 ： Ａ
文章编号 ： １ ０ ０ ６ － － ４ ３ １ １ （ ２ ０ １ ４） ０ ９ — ０ １ ８ １ — ０ ２
０ 引 言
雷 达 回 波 中通 常 包 含 有 大 量 与 目标 特 征 有 关 的 信 息
ｘ （ ８ ） ＝ Ｐ ＝ ｌ
由此进一步定义广义分形维数 Ｄ 为：
（ ２ ）
摘要 ：多重分形 维数可 以从不 同的层次上刻画信 号的几何特性 ， 从 而提取 不同信号 的信 号特征 。本文提 出了一种 改进 的多重分 形维数算法 ， 改变 了 传统 多重分形维数对 ｑ 维特征 进行 累 加 的计 算方 法， 在保证 算法计 算复 杂度基本不变的情况下， 增加 了 信号特征 的规律性和类 内聚集度 。仿 真结果表 明， 对于不通信 号的分 类， 改进算法具有 更好 的可分 离性 。
在 Ｄ 的求值过程 中， 取消 对不同区域 但是 ， 识 别 效 果 有 了 明显 的提 高 。 将 多 重 分形 谱 特 征 应 用 的算法进行 了改进 ， 的概率 的求和过程 ， 直接计算不 同层次信号 的多重分形特 到雷达 信号 的脉 内调制特征识别 中， 识别效果 显著 。给出 了计 算离散信号 的多重分形谱特征 的方法 ， 对 多重分形维 征 ， 即： 定义 函数 ｘ （ ８ ） 为： Ｘ （ ￡） ＝
Ｖａ ｌ ｕｅ Ｅｎｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ

多重分形谱的一种算法

多重分形谱的一种算法
杜兴华
【期刊名称】《东北石油大学学报》
【年(卷),期】2004(028)003
【摘要】定义了多重分形的ODR维谱函数,给出了一种计算多重分形谱的实用方法.以非线性Cantor集为例进行了计算,从而说明了此方法的有效性.
【总页数】2页(P114-115)
【作者】杜兴华
【作者单位】大庆石油学院,数学系,黑龙江,大庆,163318
【正文语种】中文
【中图分类】O174.12
【相关文献】
1.求多重分形谱的一种实用算法 [J], 沈晨;乐友喜;王才经
2.基于多重分形谱的物理层帧结构检测算法研究 [J], 李歆昊;张旻;韩树楠
3.基于小波模极大值求取多重分形谱多重分形克里格算法探究 [J], 张庆敏;岳云娟
4.一种求地震记录多重分形谱的改进算法 [J], 高海霞;胡远来
5.基于多重分形谱的木材高光谱图像纹理分类算法 [J], 唐艳慧; 赵鹏; 王承琨因版权原因，仅展示原文概要，查看原文内容请购买。

基于深度流形学习的水中目标声信号特征提取

基于深度流形学习的水中目标声信号特征提取
周钰;王津;滕飞;潘必胜;王友瑞;雷迎科
【期刊名称】《振动与冲击》
【年(卷),期】2024(43)9
【摘要】随着海洋环境日益复杂,水中目标声信号观测数据呈现出高维数、非线性、非结构化等特点,无疑给水中目标声信号特征提取带来严峻挑战,该文提出了一种基
于流形自编码器的水中目标声信号特征提取方法。

首先,通过自编码器重建误差对
原始数据进行全局优化,找出潜在的低维表示结果;然后,利用流形学习保持近邻重构权值的思想对潜在表示实施局部约束,保留其内在拓扑结构;最后,引入生成对抗网络架构进行正则化处理,使潜在表示服从特定分布,从而实现一种局部与全局的联合保
持低维嵌入方法。

在DeepShip深水船公开数据集上进行试验,使用该文方法提取
4种深水船数据的本质特征,为评估该类特征的质量水平,利用经典分类器支持向量
机进行分类识别,与现有深度学习以及流形学习特征提取方法对比,识别精度平均提
高14.96%。

【总页数】10页(P50-59)
【作者】周钰;王津;滕飞;潘必胜;王友瑞;雷迎科
【作者单位】国防科技大学电子对抗学院
【正文语种】中文
【中图分类】TB56
【相关文献】
1.基于流形学习的LFM信号模糊函数特征提取与识别研究
2.基于多重分形和小波变换的声目标信号特征提取
3.流形学习在运动声源声特征提取方面的研究
4.基于核方法与流形学习的运动想象脑电信号特征提取算法
5.基于深度学习的主动声呐目标回波亮点结构特征提取方法
因版权原因，仅展示原文概要，查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Ｈｚ 一』ｚ （ ≥０ ） ，
一
１ ｌ（ ｉｈ １ ｑ ｌ（ ｍｐ ｎ
一
ｒ） ） ， １ ｑ≠ ㈤ 图 １ 测试示意 图
ｍ
Ｆ ｇ １ Ｔｈ ｋ ｔｈ ｍａ ｆｅ ｐ ｒｍｅ ｔ ｉ． ｅ ｓ ｅｃ ｐｏ ｘ ｅｉ ｎ
２ ６
探 测 与 控 制 学 报
４
高于 目前 常用 的过零率检测方法 。
关键词 ： 多重分形谱； 坦克噪声 ； 预警识别
中 图分 类 号 ：Ｊ ；Ｎ １． 文 献标 志码 ： 文章编 号 ：０８１９ （ １ ） — ２— Ｔ４Ｔ ９ １７ Ａ １０— ４２ １０ ０ ４０ １ ０ ３０ ４ Ａ ｎｋ ｒ ｄｉ ｔ ｄ Ｎｏ ｓ ｄ ｎｔｆｃ ｔｏ ｅ ｈ ｄ Ｂａ ｅ ｎ Ｔａ － ａ ａ ｅ ｉｅ Ｉ ｅ ｉ ａ ｉ ｎ Ｍ ｔ ｏ ｓ ｄ ｏ ｉ
张
胜等 ： 基于简化 多重分形谱算法的声信号预警识别
２ ５
等） 噪声一般都有显著的混沌特性差异 ， 常见 的环境 了 ｑ － 对应关系的广义维数分形谱 。 Ｄ 噪声一般混沌特性不明显 。描述混沌信号的主要参
量是分形维数 ， 它是由辐射源的结构决定 的， 例如坦 克发动机参数等。所以声信号广义维数多重分形谱
Ｋ ｅ ｒ ｓ： ｌ ｆａ ｔｌ ｐ ｃｒ ｍ ；ａ ｋ ｒｄａｅ ｏｓ ；ｄ ｎ ｉｉ ｔ ｎ ｆｒｅ ｒｙ ａａ ｍｉｇ ｙ ｗｏ ｄ ｍｕｔ ｒｃａ ｅ ｔｕ ｔｎ －ａ ｉｔｄｎ ｉ ｉｅ ｔ ｃ ｉ ｏ ａ ｌ ｌｒ ｎ ｉ ｓ ｅ ｆａ ｏ
０ 引言
的多重分形谱算法 ， 目前该方法 已经在 目标水声信 号识别等方面取得了部分较好 的应用效果［ ］ ２ 。丁
来 的乘法运算简化为加法运算 ， 将大大提高运算速 似性 的结构特点 ， 把测得 的时间序列嵌入到一定维 度 ， 缩短识别时间。 数的欧 氏空间中， 进而考察这些 向量在广义维数定 将式（ ） ４ 代人式 （） 计算测度概率 （） 再将 ２， ，。 ． 义下 的测度 相似 性 指标 ［ ８ ＿ 。 得到的 （） ｒ 和参考距离 ｒ 代入式 （）阶数 ｑ ３， 选择 ２ 首先 ， 目标噪声的时间序列信号进行 相空间 对 １ 之间的整数 ， ０ 组成了 ｑ 对应关系的广义维数 － Ｄ。 重构 。选 择嵌 入 空 间维数 ， 般 ≥ ２ ＋ １１１ ， 一 Ｄｑ ［－］ ０１ 分形谱 。 根据状态多次测得的 Ｄ 取平均值作为先验 ０ 但嵌入空间维数也不能太大 ， 否则样本量可能显得 值 ， 并将其最大误差作 为置信 区间。 识别时， 只需要 较少 ， 无法在有限样本 中观察到分形现象。 对信号进行一定长度采样 ， 选定某个阶数 ｇ计算 Ｉ ， ） 口 其次， 计算奇异性测度。计算 ｈ个向量 中， 两两 值 ， 并与置信 区间作 比对 ， 落在置信 区间内的， 判定 向量 （ 和 ｊ 之间的奇异性测度。 目前常用算 为 目标 ， ） ，） （ 否则判定为虚警 。 法都是选择 ２ 一 范数测度 ， 即
Ａｂ ｔ ａ ｔ Ａ ａ ｋ ｒｄａｅ ｏｓ ｅ ｔ ｉａｉｎｍｅｈ ｄ ｂ ｓｄｏ ｉ ｌｉ ｌｔｆａ ｔｌ ｐ ｃｒｍ Ｏｓ ｌｅｔ ｅｐ ｏ ｌｍ ｓ ｒ ｃ ： ｔｎ －ａ ｉｔｄｎ ｉ ｉ ｎｉｃ ｔ ｔｏ ａｅ ｎ ｓ ｅｄ ｆ ｏ ｍｐｉｅ ｍｕ ｉ ｒｃａ ｓ ｅｔｕ ｔ ｏｖ ｈ ｒｂｅ ｆ ｄ －
． ．
声信号广 义维数 多重分 形谱算 法的基本 思想 是： 测得的信号时间序列包含了系统 的混沌特性 ， 它
会在 不 同的尺度 上 表现 出相 似性 。为 了考察 这 些 相
一
（（） （） ， ）一
＝
ＪＨ 一 ★ （） 壬 ＋ ｌ ４
ｌ
（） 和 （） 中元素之差的绝对值和。 这种改进把原
速度快 、 识别率高， 但还存 在采样 时间长 ， 受环境 噪 压力脉动引起的， 排气 时气体与管道的摩擦将 产生
声影响虚警率较高等问题 。
＊ 收稿 日期 ：０ １０—５ ２ １—２０ 修回 日期 ：０ １０ —６ ２ １—４２
湍流 ， 而湍流系统的声辐射 已经被证明包含着混沌
２ 世纪 ８ 年代 ， ａｅ ｓ 出了时间序列信 号 行为嘲。不同的 目 （ Ｏ Ｏ Ｔ ｋｎ 提 标 如直升飞机 、 坦克、 轮式车辆
ｏ ｒｅｃｌｕａｉｎ ａ ｕ ｔ ｆｔｅｐｅｅ ｔａｏ ｓｉ ｐｓ ｉｅｉｅ ｔ ｉ ｔ ｎｍｅｈ ｄ ｆｒｅｒｙｗａｎｎ ｓｐｏ ｏ ｅ ｈｓ ｆｌ ｇ ｃ ｌｔ ｍｏ ｎ ｈ ｒｓ ｎ ｃｕ ｔ ａｓ ｎ ｉｃ ｉ ｔｏ ａｌ ｒ ｉｇ ｗａ ｒｐ ｓ ｉ ｔｉ ａ ａ ｏ ｏ ｃ ｖ ｄ ｆａ ｏ ｏ ｄ ｎ ｐ ｐ ｒＴｈ ｘ ｅ ｍｅ ｔｌ ｅｕｔ ｎ ｃ ｔ ｈ ｔｔｅｐ ｒｏｍａ ｃ ｆｅｒｙａａ ｉ ｆｔｉ ｔｏ ｓｂ ｔｅ ｈ ｎ ｚｒ－ ａ ｅ． ｅｅ ｐ ｒ ｎａ ｓｌ ｓｉｄａ ｅ ｔａ ｈ ｆｒ ｎ ｅｏ ａｌ ｌｒ ｎ ｏ ｈｓｍｅｈ ｄ ｗａ ｅｔｒｔａ ｅｏ ｉ ｒ ｉ ｄ ｅ ｍ ｇ ｐ ｓ ａｅａ ａｙ ｉ ｍｅｈ ｒｉ ｅｓｓｍｐｉ ｎ ｍｂ ｒ ｎ ｗｅ ｒｏ ａｅｕ ｄ ｒｌｗ ＮＲ ａ ｓｒｔ ｎ ｌｚｇ ｔｏ ｆ ｓｌ ａ ｌｇ ｕ ｅ ｄ ｌ ｒｅｒｒｒｔ ｅ ｎ ｄ ｏ ｔ ｓ ｎ ａ ｏ ｎ ｏ Ｓ
～
ｒ ｉ ｊ— （ ， ） （ ） （ ）一
．
３ 试 验 验 证
３ １ 试 验条 件 和结 果 ．
为了检验多重分形谱算法在不同信噪比条件下
（ 一 ∑Ｈｒ ｉ ｒ ） （—ｒ） ｊ
（ ２ ）
的有效性 ， 选择在 １ ℃， ５ 风速 ５ 级的条件下 ， 让坦克 在土质跑道上 以 ３ ｍ／ ０ｋ ｈ匀速行驶 ， 当坦克到达声 传感器 ４０ｍ距离时开始记 录噪声信号 ， ０ 直至其通 过声传感器。如图 １ 所示 。
图 ２ ３ ｍ／ ０ｋ ｈ近似匀速行驶坦克噪声信号
Ｆｇ ２ Ｓｇ ａ ｏ ｎ －ａ ｉ ｅ ｏｓ ｔ ０ｋ ｈ ｉ． ｉｎ ｌ ｆ ａ ｋｒｄａ ｄｎ ｉ ａ ｍ／ ｔ ｔ ｅ ３
３２ 多重分形谱 计 算 ．
为了减少计算量 ， 以每 ２０ ０ ０ 个信号值为一组 ， 分别 计算 广 义 维数 ， 然后 取 平 均 值 。 嵌 入 空 间 取
并通过这一系列维数组成的维数谱在不同层面上考
考察上述算法过程可 以发现 ， 广义维数 多重分 形谱运算量主要体现在奇异性测度 的计算。 从分 形的本质和广义维数 的定义可知 ， 奇异性测 度并没
察混沌信号的参量 。因为实际的声信号并不是由单
一
有唯一定义 ， 只要体现两两向量 （ 和 ． 之 间的 ） ） ） ， （ 混沌机制产生的 ， 有些层面上两种信号 的混沌差 差异 就 可 以 了。因此 不 妨 用 １ 一范 数 简 化 测 度 异可能不明显 ， 所以为了可靠 区分 ， 必须考察不 同层 ｅｊ ｉ ，（） 代替式（）中的 ｄ ｉ，（） ， （（） ） ７ １ （（）ｙ ） 即 次 的混 沌 参量 Ｅ？。 ６￣ －
信号采样频率 １ ４ ， ０２０ Ｈｚ采集的信号时域图如
图 ２所示 。
２
蚕。
骝
－
２
－ ４
采 样点
图 ３ 环境 噪声信号
Ｆｉ． Ｓ ｇ ａ ｆｔ ｅ ｎ ｉｅ ｏ ｎ ｉｏ ｍｅ ｔａ ｄ ｗｊｄ ｇ３ ｉ ｎ ｌｏ ｈ ｏｓ ｆｅ ｖｒ ｎ ｎ ｎ ｎ
Ｍ ｕ ｔ—ｒ ｃ ａ ｐｅ ｔｕ ｏ ｒｙ Ａｌｒ ｉ ｌｉｆ ａ ｔ ｌＳ ｃｒ ｍ ｆ ｒＥａ ｌ ａ ｍ ｎｇ
ＺＨＡＮＧ ｈ ｎ ， Ｓ ｅｇ ＦＡＮＧ ａ ｇ ， ＨＡＮＧ ｅｐ ｎ Ｘｉｎ Ｚ Ｗ ｉｉ ｇ
（ ． ｎ ｉｅ ｒ ｇ Ｉ ｓ ｔｔ ｆ ｎ ｉｅ ｒ ｇＣ ｒ ｓ Ｐ Ｕｎ ｏ ｃ １ Ｅ ｇｎ ｅｉ ｎ ｔ ｕ ｅｏ ｇｎ ｅｉ ｏ ｐ ， Ｉ ｎ ｉ Ｅ ｎ Ａ ｉ ｆ ｉ Ｔｅｈ Ｎａ ｊ ｇ ２ ０ ０ ， ｈ ｎ ； Ｓ ｃ ， ｎｉ １ ０ ７ Ｃ ｉａ ｎ ２ Ｄ ｐ ｒ ｎ ， Ｌ Ｉ ｓｉ ｔ ｎ ｏ ｔｒ ａｉｎ ｌ ｅ ｔ ｎ ， ｎｉｇ２ ０ ３ ， ｈｎ ） ． ｅ ａｔ ｔ Ｐ Ａ ｔ ｕ ｉ ｆ ｎ ｅ ｎ ｔ ａ Ｒ ｌ ｉ ｓ Ｎａ ｊ １ ０ ９ Ｃ ｉａ ｍｅ ５ ｎ ｔ ｏ Ｉ ｏ ａｏ ｎ
基金项 目： 国防预先研究项 目资助 （ Ｌ ２ ０ ４ ４ Ｚ Ｙ ０８ ２ ） 作者简介 ： 张胜 （９ ９ ， ， １ ７ 一）男 江苏滨海人 ， 讲师 ， 士研究生 ， 博 研究方 向 ： 能地雷及 其应用技 术 。Ｅ ｍａ ．ｓ １ ２ ｃ． 智 － ｉ ｚ３ ＠ １ｎ ｌ
ｃ ｒ 。 ｏｎ
（． １ 解放 军理 工大 学工 程兵工 程学 院 。 江苏 南京 ２ ０ ０ ；． １ ０ ７ ２ 解放 军 国际关 系学 院 ５系 。 江苏 南 京 ２ ０３ ） １ ０ ９
摘 要 ： 针对目前常用多重分形谱算法运算量大， 难以用于实际目 标识别的现状， 提出基于简化多重分形谱算
法 的声信号预警识别方法 。该方法计算时 间短 ， 样本 量少 ， 所需 误判率低 ， 在信 噪 比较低 时预警识 别综合 性能
５ ］ 为了降低智能雷弹系统 的功耗 ， 系统充足的 庆 海＿等人 利用 该方 法得 到 了坦 克 噪 声 的多重 分 形 给 但该由于该方法运算速度较慢 ， 未能实际用 于 目 反应时间， 智能雷弹通常必须具备预警功能 ， 因此预 谱 ，
警识别算法的优劣直接影 响智能雷弹的作战效能。 标识别。本文针对这些问题提出声信号多重分形谱 目 前坦克噪声识别的算法很多 ， 已经由单一传感器、 简 化算法 。 单一算法向多传感器复合识别算法发展 ， 但这些方
算法对于坦克 目标识别具有独特优势 。 实际获得的混沌信号通常是由多个混沌机制演 化而来 ， 并且包括大量的谐波成分 ， 以为了更准确 所