孫國(guó)強(qiáng)， 樊新海， 張傳清

(裝甲兵工程學(xué)院 機(jī)械工程系， 北京 100072)

基于短時(shí)處理和經(jīng)驗(yàn)?zāi)B(tài)分解的地面戰(zhàn)場(chǎng)目標(biāo)被動(dòng)聲識(shí)別

孫國(guó)強(qiáng)， 樊新海， 張傳清

(裝甲兵工程學(xué)院 機(jī)械工程系， 北京 100072)

針對(duì)地面戰(zhàn)場(chǎng)目標(biāo)的被動(dòng)聲識(shí)別問(wèn)題， 選取具有代表性的兩類坦克、 兩類履帶式裝甲車以及卡車作為被動(dòng)聲識(shí)別目標(biāo)對(duì)象， 以雷聲和槍聲作為干擾噪聲信號(hào)， 對(duì)所采集的聲信號(hào)進(jìn)行短時(shí)能量分析， 得到聲信號(hào)的短時(shí)能量譜， 計(jì)算短時(shí)能量平均值， 利用閾值法篩選識(shí)別槍聲信號(hào)， 根據(jù)經(jīng)驗(yàn)設(shè)置閾值范圍； 而后， 利用經(jīng)驗(yàn)?zāi)B(tài)分解(The Empirical Mode Decompo-sition, EMD)方法處理聲信號(hào)， 使其自適應(yīng)分解得到若干IMF分量， 計(jì)算IMF分量與原信號(hào)能量的比值作為特征值構(gòu)建特征向量， 并利用BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)分類器， 建立了一種地面目標(biāo)分級(jí)識(shí)別方法. 研究結(jié)果表明： 該方法對(duì)目標(biāo)工況適應(yīng)性強(qiáng)， 識(shí)別率可達(dá)90%以上.

短時(shí)能量； 經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)； 目標(biāo)識(shí)別； 神經(jīng)網(wǎng)絡(luò)； 分級(jí)識(shí)別

Abstract: In order to identify the ground battlefield target through passive acoustic recognition, selected representative objectives include two kinds of tanks, two kinds of crawler armored vehicle, and truck as the noise acquisition; selected thunder and gunshot as interference noise signal, used short-time energy analysis method to process acoustic signals in order to obtain the short-time energy spectrum of acoustic signal, took the average of the short-time energy, used the threshold method to identify the gunshot signal, set threshold range according to the experience. Used EMD method to decompose the acoustic signal which could obtain several IMF components. The energy ratio of the IMF component to the original signal were used as the eigenvalue to construct the eigenvector. Used BP neural network to design the classifier to establish a method of ground target grading recognition. Research indicates that the method is adaptable to the target condition and classification rate can reach more than 90%.

Keywords: short-term energy; EMD; target classification; neural network; hierarchical classification

現(xiàn)代戰(zhàn)爭(zhēng)中對(duì)戰(zhàn)場(chǎng)透明度的要求越來(lái)越高， 戰(zhàn)場(chǎng)信息的獲取對(duì)戰(zhàn)場(chǎng)決策起到關(guān)鍵性影響. 地面戰(zhàn)場(chǎng)目標(biāo)識(shí)別系統(tǒng)在獲取戰(zhàn)場(chǎng)信息方面具有高效、 全天候偵察目標(biāo)、 受環(huán)境影響小、 戰(zhàn)場(chǎng)生存率高等優(yōu)點(diǎn). 依據(jù)用來(lái)提取特征的對(duì)象種類， 地面戰(zhàn)場(chǎng)目標(biāo)識(shí)別方法包括： 基于圖像特征的識(shí)別技術(shù)、 基于地面震波的識(shí)別技術(shù)[1]、 基于磁信號(hào)特征的識(shí)別技術(shù)、 基于雷達(dá)特征的識(shí)別技術(shù)[2,3]以及基于聲信號(hào)特征的識(shí)別技術(shù)等[4]. 其中， 基于聲信號(hào)特征的被動(dòng)聲識(shí)別技術(shù)具有受天氣影響小， 適應(yīng)地形地貌能力強(qiáng)， 隱蔽性好， 可組成多傳感器預(yù)警網(wǎng)絡(luò)等優(yōu)點(diǎn)[5]， 同時(shí)可以完成對(duì)機(jī)場(chǎng)、 橋梁、 彈藥庫(kù)及油庫(kù)等重要戰(zhàn)略設(shè)施的無(wú)人值守. 本文針對(duì)軍用地面?zhèn)刹鞕C(jī)器人對(duì)坦克、 履帶式裝甲車等地面戰(zhàn)斗目標(biāo)進(jìn)行被動(dòng)聲識(shí)別的要求， 利用短時(shí)處理和經(jīng)驗(yàn)?zāi)B(tài)分解(The Empirical Mode Decompo-sition, EMD)方法提取特征向量， 結(jié)合閾值和BP神經(jīng)網(wǎng)絡(luò)對(duì)目標(biāo)進(jìn)行分級(jí)識(shí)別.

1 噪聲信號(hào)的獲取

地面戰(zhàn)場(chǎng)被動(dòng)聲目標(biāo)識(shí)別對(duì)象主要包括坦克、 裝甲車、 卡車以及短時(shí)沖擊聲目標(biāo)如槍聲等. 本實(shí)驗(yàn)選取兩種型號(hào)的坦克、 兩種型號(hào)的履帶式裝甲車、 卡車以及易對(duì)識(shí)別造成干擾的槍聲， 并選取了以雷聲為代表的自然噪聲作為干擾項(xiàng). 其中， 坦克及裝甲車輛運(yùn)動(dòng)狀況復(fù)雜， 以其不同轉(zhuǎn)速、 不同運(yùn)動(dòng)狀態(tài)所產(chǎn)生的噪聲作為數(shù)據(jù)采集對(duì)象. 坦克和履帶式裝甲車等車輛履帶所發(fā)出的噪聲頻帶范圍較寬， 除此外， 一般車輛噪聲頻率均小于4 kHz[6]， 因此設(shè)置采樣頻率8 kHz， 采樣點(diǎn)數(shù)32 768， 數(shù)據(jù)長(zhǎng)度4.096 s， 對(duì)采集到的樣本進(jìn)行去均值處理. 樣本數(shù)量如表 1 所示.

表 1 樣本數(shù)量統(tǒng)計(jì)

圖 1 噪聲信號(hào)時(shí)域波形及短時(shí)能量Fig.1 Time domain waveform and short-time energy

2 特征提取

2.1 基于短時(shí)處理的特征提取

2.2 基于EMD的特征提取

經(jīng)驗(yàn)?zāi)B(tài)分解(The Empirical Mode Decompo-sition， EMD)方法[7]具有自適應(yīng)性， 適用于分析非線性和非穩(wěn)態(tài)過(guò)程[8,9]. 從4.096 s的樣本中選取長(zhǎng)度為3 s的相對(duì)平穩(wěn)的數(shù)據(jù)進(jìn)行EMD分解[6]， 每次分解所得到的一組IMF (本文所列IMF包含分解得到的余項(xiàng)) 的個(gè)數(shù)見表 2. 為減少邊界效應(yīng)對(duì)IMF能量計(jì)算造成的干擾， 舍棄第i個(gè)IMF的邊緣數(shù)據(jù)[5,6,10]， 選取其中間1 s的數(shù)據(jù)進(jìn)行計(jì)算得到能量ei，特征值ki=ei/e原信號(hào). 選取每組IMF計(jì)算得到的前 16個(gè)特征值構(gòu)成一個(gè)特征向量， 數(shù)量不足的補(bǔ)0. 特征值ki的取值范圍見表 2. 圖 3 為ki的示意圖. 圖 3 中i為特征向量中特征值的序號(hào).

表 2 信號(hào)EMD分解結(jié)果統(tǒng)計(jì)

圖 2 特征值ki示意圖Fig.2 Schematic diagram of eigenvalue ki

3 分類器設(shè)計(jì)

3.1 分級(jí)識(shí)別策略

實(shí)戰(zhàn)條件下， 不同目標(biāo)的應(yīng)對(duì)策略不同， 因此提出分級(jí)識(shí)別策略， 如圖 3 所示. 利用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)分級(jí)識(shí)別時(shí)， 一種目標(biāo)對(duì)應(yīng)一個(gè)輸出向量， 如Ⅰ型坦克o1=[1,0,0,0,0,0]T、 Ⅱ型坦克o2=[0,1,0,0,0,0]T， 在小類識(shí)別時(shí)， 若將Ⅰ型坦克信號(hào)輸出為o2， 則為錯(cuò)誤， 但是在大類識(shí)別中， 其結(jié)果依然是坦克， 則正確. 因此， 分級(jí)識(shí)別策略可以有效提升正確率， 為戰(zhàn)場(chǎng)正確決策提供必要信息.

圖 3 分級(jí)識(shí)別策略Fig.3 Hierarchical identification strategy

3.2 槍聲信號(hào)識(shí)別

3.3 BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

利用MATLAB R2014a設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)， 使用有動(dòng)量加自適應(yīng)lr的梯度下降法， 訓(xùn)練精度0.01， 輸入節(jié)點(diǎn)16， 隱含層36， 輸出層6. 訓(xùn)練樣本和測(cè)試樣本數(shù)量相同， 無(wú)交集. 表 3 所列為神經(jīng)網(wǎng)絡(luò)大類識(shí)別結(jié)果， 表4所列為小類識(shí)別結(jié)果.

表 3 大類識(shí)別正確率

表 4 小類識(shí)別正確率

4 結(jié) 論

1) 基于短時(shí)處理和EMD的地面戰(zhàn)場(chǎng)目標(biāo)被動(dòng)聲識(shí)別方法， 對(duì)于類型多、 工況復(fù)雜的地面裝甲車輛識(shí)別具有較強(qiáng)的適應(yīng)性， 通過(guò)添加樣本的種類和數(shù)量， 可以進(jìn)一步提升識(shí)別效果和應(yīng)用價(jià)值；

2) 地面戰(zhàn)場(chǎng)目標(biāo)識(shí)別過(guò)程中， 利用聲信號(hào)時(shí)域短時(shí)能量特征可以有效區(qū)分以槍聲信號(hào)為代表的短時(shí)沖擊信號(hào)， 減少短時(shí)沖擊聲信號(hào)對(duì)地面裝甲車輛識(shí)別的干擾；

3) 對(duì)地面車輛目標(biāo)進(jìn)行識(shí)別時(shí)， 本文所用方法對(duì)待識(shí)別目標(biāo)的工況具有適應(yīng)性， 能夠?qū)δ繕?biāo)進(jìn)行有效識(shí)別； 針對(duì)雷聲對(duì)識(shí)別過(guò)程產(chǎn)生的干擾， 可以結(jié)合相應(yīng)地區(qū)的天氣狀況進(jìn)行輔助判斷.

[1] Du K, Fang X, Zhang W P, et al. Fractal dimension based on morphological covering for ground target classification[J]. Shock and Vibration. 2016： 1-5.

[2] Feng X, Liang W, Liu C, et al. Application of Freeman decomposition to full polarimetric GPR for improving subsurface target classification[J]. Signal Processing. 2016： 1-9.

[3] Molchanov P O, Astola J T, Egiazarian K O, et al. C-lassification of ground moving targets using biceps-trum-based features extracted from Micro-Doppler radar signatures[J]. EURASIP Journal on Advances in Signal Processing.2013(1)： 1-13.

[4] 李開明, 張群, 羅迎, 等. 地面車輛目標(biāo)識(shí)別研究綜述[J]. 電子學(xué)報(bào)， 2014(3)： 538-546. Li Kaiming, Zhang Qun, Luo Ying, et al. Review of ground vehicles recognition[J]. Acta Electronica Sinica, 2014(3)： 538-546. (in Chinese)

[5] 呂艷新. 被動(dòng)聲目標(biāo)識(shí)別理論研究[D]. 南京： 南京理工大學(xué), 2011.

[6] 樊新海， 孫國(guó)強(qiáng)， 張傳清. 基于噪聲信號(hào)EMD的裝甲車輛識(shí)別研究[J]. 裝甲兵工程學(xué)院學(xué)報(bào)， 2017(7)： 80-83. Fan Xinhai, Sun Guoqiang, Zhang Chuanqing. Multi-band-pass filter design based on sectional combination complex modulated gaussian function[J]. Journal of Academy of Armored Force Engineering, 2017(7)： 80-83. (in Chinese)

[7] Norden E H, Zheng Shen, Steven R L, et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[C]. In： Proceedings： Mathematical, Physical and Engineering Sciences. London： Royal Society, 1998. 903-95.

[8] 呂艷新, 孫書學(xué), 顧曉輝. 基于EMD和能量比的戰(zhàn)場(chǎng)聲目標(biāo)分類與識(shí)別[J]. 振動(dòng)與沖擊， 2008(11)： 51-55. Lü Yanxin, Sun Shuxue, Gu Xiaohui. Battlefield acoustic target classification and recognition based on EMD and power ration[J]. Journal of Vibration and Shock, 2008(11)： 51-55. (in Chinese)

[9] 趙天青, 梁旭斌, 許學(xué)忠, 等. EMD在目標(biāo)聲信號(hào)特征提取中的應(yīng)用研究[J]. 南京大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(增刊)： 102-106. Zhao Tianqing, Liang Xubin, Xu Xuezhong, et al. A feature extraction algorithm of acoustic target based on empirical mode decomposition[J]. Journal of Nanjing University (Natural Sciences), 2015(S1)： 102-106. (in Chinese)

[10] 徐曉剛, 徐冠雷, 王孝通, 等. 經(jīng)驗(yàn)?zāi)Ｊ椒纸?EMD)及其應(yīng)用[J]. 電子學(xué)報(bào), 2009(3)： 581-585. Xu Xiaogang, Xu Guanlei, Wang Xiaotong, et al. Empirical mode decomposition and its application[J]. Ata Electronic Sinica, 2009(3)： 581-585. (in Chinese)

GroundBattlefieldTargetPassiveAcousticClassificationBasedonShort-TermAnalysisandEMD

SUN Guoqiang, FAN Xinhai, ZHANG Chuanqing

(Dept. of Mechanical Engineering, Academy of Armored Forces Engineering， Beijing 100072， China)

1671-7449(2017)05-0434-04

TN911.72

A

10.3969/j.issn.1671-7449.2017.05.011

2017-02-19

武器裝備軍內(nèi)科研資助項(xiàng)目(2015ZB21)

孫國(guó)強(qiáng)(1992-)， 男， 碩士生， 主要從事地面目標(biāo)被動(dòng)聲識(shí)別研究.