[发明专利]基于辐射噪声的目标识别方法、系统、装置及介质

权利要求书

1.基于辐射噪声的目标识别方法，其特征在于，包括以下步骤：

获取第一辐射噪声的音频信号；

对所述音频信号进行分解，得到高谐振分量信号；

将所述高谐振分量信号进行分帧加窗处理，得到分帧信号；

根据所述分帧信号生成频谱，根据所述频谱在时间域上排列得到频谱样本；

根据所述频谱样本训练得到神经网络模型，获取第二辐射噪声，并根据所述神经网络模型进行识别分类。

2.根据权利要求1所述的基于辐射噪声的目标识别方法，其特征在于，所述对所述音频信号进行分解，得到高谐振分量信号这一步骤，其包括：

对所述音频信号进行特征增强，得到增强信号；

将所述增强信号进行小波变化，对小波变换后的信号进行形态学成分分析得到所述高谐振分量信号。

3.根据权利要求1所述的基于辐射噪声的目标识别方法，其特征在于，所述将所述高谐振分量信号进行分帧加窗处理，得到分帧信号这一步骤，其包括：

确定帧移，根据所述帧移截取所述高谐振分量信号得到高谐振分量子信号；

根据所述高谐振分量子信号以及窗函数生成所述分帧信号，并去除所述分帧信号中的奇异样本数据。

4.根据权利要求1所述的基于辐射噪声的目标识别方法，其特征在于，所述根据所述分帧信号生成频谱，根据所述频谱在时间域上排列得到频谱样本这一步骤，其包括：

对所述分帧信号进行傅里叶变换得到频谱信号；

根据所述频谱信号的生成对数幅度谱并将所述对数幅度谱在时间域上进行排列得到频谱样本。

5.根据权利要求2所述的基于辐射噪声的目标识别方法，其特征在于，所述小波变化为Q小波变换，所述将所述增强信号进行小波变化这一步骤，其包括：

根据小波基函数以及所述Q小波变换的Q因子，确定复杂信号的稀疏性表示，将所述增强信号进行重构，得到重构信号。

6.根据权利要求5所述的基于辐射噪声的目标识别方法，其特征在于，所述根据小波基函数以及所述Q小波变换的Q因子，确定复杂信号的稀疏性表示，将所述增强信号进行重构这一步骤，其包括：

构建高通滤波器和低通滤波器，根据所述高通滤波器和所述低通滤波器构建若干分析滤波器组；

通过所述分析滤波器组对所述增强信号进行滤波得到高通滤波信号和低通滤波信号；

将所述低通滤波信号迭代输入至所述分析滤波器组得到次级低通滤波信号，根据所述高通滤波信号和所述次级低通滤波信号构建所述重构信号。

7.根据权利要求5所述的基于辐射噪声的目标识别方法，其特征在于，所述对小波变换后的信号进行形态学成分分析得到所述高谐振分量信号这一步骤，其包括：

通过形态学成分分析得到所述重构信号高谐振分量的小波系数；

根据所述小波系数从所述重构信号中提取得到所述高谐振分量信号。

8.基于辐射噪声的目标识别系统，其特征在于，包括：

信号获取单元，用于获取第一辐射噪声的音频信号；

信号分解单元，用于对所述音频信号进行分解，得到高谐振分量信号；

分帧处理单元，用于将所述高谐振分量信号进行分帧加窗处理，得到分帧信号；

时频变换单元，用于根据所述分帧信号生成频谱，根据所述频谱在时间域上排列得到频谱样本；

模型训练单元，用于根据所述频谱样本训练得到神经网络模型；

噪音识别单元，用于获取第二辐射噪声，并根据所述神经网络模型进行识别分类。

9.基于辐射噪声的目标识别装置，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器运行如权利要求1-7任一项所述的基于辐射噪声的目标识别方法。

10.一种存储介质，其中存储有处理器可执行的程序，其特征在于：所述处理器可执行的程序在由处理器执行时用于运行如权利要求1-7中任一项所述的基于辐射噪声的目标识别方法。