基于稀疏非负矩阵分解的低空声目标识别

作者：杨博; 杨立学^*; 王志峰; 周印龙

来源：声学技术, 2020, 39(01): 93-97.

DOI：10.16300/j.cnki.1000-3630.2020.01.016

• 低空声目标识别
• 梅尔频率倒谱系数
• 非负矩阵分解

借鉴人耳听觉原理和特征学习的优势,提出了梅尔(Mel)频率谱提取和稀疏非负矩阵分解相结合的方法用于低空飞行目标声信号识别。首先,以不同目标的Mel频率谱为特征矩阵,利用稀疏非负矩阵分解方法学习得到各自的模板矩阵;然后,利用按列合并后的模板矩阵对训练/测试样本进行特征分解获得编码系数,该系数可作为分类特征;最后,结合不同目标的特点,采用分频段特征提取和顺序二类分类的方法进行多目标分类,并与Mel频率倒谱系数进行性能比较。结果显示,无论在单类目标辨识还是在多类目标分类中,稀疏非负矩阵分解方法均取得了更好的效果。

• 单位
  中国电子科技集团公司第三研究所