基于核主成分分析和支持向量機的飛機艙音信號的識別.pdf

1、隨著社會進步和民航業(yè)的迅猛發(fā)展，政府、航空公司和公眾對航空安全的要求越來越高。
　　 飛機上用來記錄各類聲音數(shù)據(jù)的設(shè)備——駕駛艙話音記錄器（Cockpit Voice Recorder，CVR），無疑成為保障航空安全的關(guān)鍵所在。CVR是必不可少的機載設(shè)備，它通過4個獨立聲道記錄著駕駛艙內(nèi)最近2小時或30分鐘的各種聲音，包括機組內(nèi)話、陸空通話、音響警告等。這些聲音記錄不僅能夠用來判斷機組的操縱、意識、決斷、生理心理狀態(tài)，還可以分析

2、航空器狀態(tài)及所處環(huán)境，為事故調(diào)查提供了又一豐富而準確的依據(jù)。
　　 針對CVR中記錄的聲信息多而復(fù)雜、頻率范圍寬、信號非平穩(wěn)等特點，本文結(jié)合小波變換及神經(jīng)網(wǎng)絡(luò)的方法，從CVR的背景聲中分離出有用的信號，并對分離后的信號進行分類，有效地實現(xiàn)了CVR 背景聲的識別，對確定航空事故原因及保障未來飛行安全，都具有重要的實用價值。
　　 首先，在中國民用航空總局航空安全技術(shù)中心建立的“飛機艙音信息樣本庫”基礎(chǔ)上，應(yīng)用小波降噪原理對

3、CVR的信號進行降噪處理，結(jié)合獨立分量分析的快速固定點算法對混合信號進行分離，得到分離后的開關(guān)、旋鈕、警報等獨立聲音樣本。
　　 其次，選擇分離后的獨立樣本，進行信號處理，經(jīng)過預(yù)處理之后，提取他們的短時能量、短時平均幅度、幅值譜及Mel 倒譜參數(shù)等特征作為樣本的特征參數(shù)用于分類識別。
　　 隨后本文深入研究了核方法在特征提取方面的應(yīng)用，對CVR樣本的數(shù)據(jù)空間進行了壓縮，并將核主成分分析與神經(jīng)網(wǎng)絡(luò)相結(jié)合，分析了核主成分分析