聲音擾動信號的預處理以及RBF神經網絡模式識別的研究.pdf

1、隨著科技以及社會的發(fā)展，各個國家、地區(qū)之間的科技競爭越來越激烈。世界上各種恐怖、破壞活動也頻繁出現(xiàn)，造成很大社會危害。對于重要設施或區(qū)域建立一種符合現(xiàn)代社會需要的安全監(jiān)控系統(tǒng)顯得越來越迫切和重要。安監(jiān)系統(tǒng)必須高效、實時、準確、智能、連續(xù)（不間斷）工作，對于各種非正常擾動信號要反應靈敏，能自動識別信號的類別以便工作人員采取相應的措施。分布式光纖傳感安全監(jiān)控系統(tǒng)就是這樣類型的新系統(tǒng)。本文以分布式光纖傳感器采集的擾動信號為對象，研究針對擾動信

2、號的一系列處理方法，實現(xiàn)對各種擾動信號的準確識別和分類。本論文工作對這類新型智能安監(jiān)系統(tǒng)的研發(fā)有著重要的意義。 論文基于RBF（Radial Basic Function）徑向基神經網絡，對環(huán)境擾動信號進行預處理，包括去噪、端點檢測，然后進行特征提取和模式識別。對實驗結果進行了分析。 論文對采集到的信號進行了數字化、預加重、加窗和分幀，分析了信號的短時能量和短時過零率等。從擾動信號的頻率特性出發(fā)，研究了傳統(tǒng)譜相減去噪方法

3、，并針對傳統(tǒng)譜相減去噪方法的不足，提出了改進型譜相減去噪法，使得信噪比有了明顯的提高。論文工作在研究了傳統(tǒng)的雙門限端點檢測法后，提出了抗噪性能更強的譜熵端點檢測法，在較低信噪比的情況下準確提取出有用的信號。 論文研究了MFCC（Mel-frequency Cepstrum Coefficients，Mel頻系數倒譜參數）特征參數以及特征加權組合、微分和PCA（Principal Component Analysis）主分量分析的