论文部分内容阅读
战场上车辆声音信号的构成非常复杂,采用单一的特征很难全面反映其特点,提取多种特征来构成特征向量就显得非常重要。应用改进的横虚警率检测(CFAR)算法对车辆声信号进行了分离,得到了数据的有效部分;提取了谐波集,Mel倒谱系数(MFCC)和小波能量3种特征,并应用主成分分析(PCA)方法对特征集进行了降维融合处理。实验结果表明:3种特征融合后的分类性能要好于单一特征,目标的识别率能够达到90%以上。