基于噪声信号EMD的装甲车辆识别研究

樊新海，孙国强，张传清

(装甲兵工程学院 机械工程系，北京 100072)



基于噪声信号EMD的装甲车辆识别研究

樊新海，孙国强，张传清

(装甲兵工程学院 机械工程系，北京 100072)

针对地面战场装甲车辆目标的被动声识别问题，选取具有代表性的两类坦克和两类履带式装甲车为对象，采集多种工况下的噪声信号，通过EMD自适应分解得到其IMF分量，利用前8个IMF分量与原信号的能量比值构建特征向量，以BP神经网络作为分类器，建立了一种装甲车辆识别方法。该方法对目标工况适应性强，识别率可达90%以上。

装甲车辆；目标识别；经验模态分解；BP神经网络

信息获取对于全面了解战场态势至关重要。战场信息的获取手段多种多样，各有所长。其中，地面战场目标识别系统依据用来提取特征的对象种类不同包括：基于图像特征的识别技术，基于地面震波的识别技术[1]，基于磁信号特征的识别技术，基于雷达特征的识别技术[2-3]以及基于声信号特征的识别技术等[4]。该系统在获取战场信息方面具有高效、全天候侦察目标；受环境影响小、战场生存率高；便于小型化、网络化，以较少的探测手段，获取尽可能多的信息等优点[5]。而基于声信号特征的被动声识别技术还具有适应地形地貌能力强，隐蔽性好，可组成多传感器预警网络等优点[6-7]，亦可完成对机场、桥梁、弹药库及油库等重要战略设施的无人值守。本文针对军用地面侦察机器人在复杂环境条件下，对坦克、履带式装甲车……