摘要
本文对声目标识别的关键技术进行研究,探讨用小波分析来进行声信号处理和特征提取,用BP神经网络和支持向量机的模式分类方法来进行分类识别。通过对四种声信号的仿真实验表明,使用小波变换和人工神经网络技术及支持向量机分类技术相结合对声目标进行识别是有效、可行的。
The author discusses the key techniques of acoustic target recognition, and introduces noise signal processing, feature extraction with wavelet analysis and two methods of pattern recognition, BP neural network classifier and Support Vector Machine. The experimental results about four targets show that the means of combining wavelet analysis, artificial neural network and Support Vector Machine are feasible to acoustic target recognition.
出处
《楚雄师范学院学报》
2008年第3期24-31,共8页
Journal of Chuxiong Normal University
基金
云南省自然科学基金项目(2005F0031Q)
云南省教育厅基金项目(07C41491)
关键词
声目标识别
小波包
特征提取
分类器
BP神经网络
支持向量机
acoustic target recognition
wavelet packet
feature extraction
classifier
BP neural network
Support Vector Machine（SVM）
