可选的，所述采集模块具体用于当所述目标为低空慢速小目标时，通过十字传声 阵列采集所述目标的声信号，所述十字传声阵列包括12个传声阵列元和4根相互垂直的水 平杆。
[0210] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统， 装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0211] 在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以 通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的 划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件 可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或 讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦 合或通信连接，可以是电性，机械或其它的形式。
[0212]所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显 示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个 网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目 的。
[0213]另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以 是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单 元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0214] 所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用 时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上 或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式 体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机 设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全 部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程 序代码的介质。
[0215] 以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制;尽管参照前 述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其依然可以对前 述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换;而这些 修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
【主权项】
1. 一种目标类型识别的方法，其特征在于，包括： 通过平面传声阵列采集目标的声信号，所述目标包括低空飞行的无人机、轻型飞机、动 力三角翼、巡航导弹、动力滑翔伞中的任意一种； 对所述声信号进行方向估计，并对方向估计后的声信号进行空域滤波处理； 在空域滤波处理后，提取所述声信号的特征、所述声信号的特征对应的特征向量以及 所述目标的特征； 根据所述声信号的特征、所述声信号的特征向量以及所述目标的特征，确定所述目标 的类型置信度； 通过融合识别技术对所述类型置信度进行识别，以确定所述目标的类型。2. 根据权利要求1所述的方法，其特征在于，在通过平面传声阵列采集目标的声信号之 后，且对所述声信号进行方向估计，并对方向估计后的声信号进行空域滤波处理之前，还包 括： 对所述声信号进行自适应噪声抑制处理。3. 根据权利要求2所述的方法，其特征在于，所述对所述声信号进行自适应噪声抑制处 理包括： 利用基于小波分解的自适应噪声抑制技术对所述声信号进行抑制处理。4. 根据权利要求1所述的方法，其特征在于，还包括： 在估计出所述声信号的方向后，根据所述声信号在各时刻的方向确定所述目标的航 迹。5. 根据权利要求4所述的方法，其特征在于， 所述提取所述声信号的特征包括： 当辐射的声音功率谱线谱基频大于阈值时，通过直升机线谱和谐波集检测算法对频域 特征进行分析，以得到线谱频率特征； 所述提取所述声信号的特征向量包括： 计算出自相关系数和倒谱系数； 将所述自相关系数和所述倒谱系数结合，得到若干维数的时域特征向量； 进行非参数化功率谱分析，以计算出功率谱； 利用计算出的功率谱，得到若干维数的频域特征向量； 计算声信号各频带的能量特征、标准差特征、谱重心特征和小波包样本熵特征； 将能量特征、标准差特征、谱重心特征和小波包样本熵特征进行组合，得到若干维数的 小波包特征量； 所述提取所述目标的特征包括： 对所述目标的方位及其变化率进行跟踪预测，得到所述目标的动态航迹特征。6. 根据权利要求5所述的方法，其特征在于， 所述根据所述声信号的特征确定所述目标的类型置信度包括： 根据所述线谱频率特征预先建立特征频率库； 实时提取所述声信号的特征频率； 根据提取到的所述特征频率与所述特征频率库中的匹配情况，确定所述目标的第一类 型置信度； 所述根据所述声信号的特征向量确定所述目标的类型置信度包括： 根据所述时域特征向量的维数和所述目标的数量分别确定时域特征子神经网络的输 入和输出层数； 通过所述时域特征子神经网络确定所述目标的第二类型置信度； 根据所述频域特征向量的维数和所述目标的数量分别确定频域特征子神经网络的输 入和输出层数； 通过所述频域特征子神经网络确定所述目标的第三类型置信度； 根据所述小波包特征向量的维数和所述目标的数量分别确定小波包特征子神经网络 的输入和输出层数； 通过所述小波包特征子神经网络确定所述目标的第四类型置信度； 所述根据所述目标的特征向量确定所述目标的类型置信度包括： 通过航迹关联识别技术，将所述航迹和所述动态航迹特征进行关联，确定所述目标的 第五类型置信度。7. 根据权利要求6所述的方法，其特征在于，所述通过融合识别技术对所述类型置信度 进行识别，以确定所述目标的类型包括： 利用所述第一类型置信度、第二类型置信度、第三类型置信度、第四类型置信度、第五 类型置信度以及加权值，计算出类型置信度的总值，选取最大值对应的类型作为所述目标 的类型。8. 根据权利要求6所述的方法，其特征在于，在所述通过融合识别技术对所述类型置信 度进行识别，以确定所述目标的类型之前还包括： 利用遗传算法和神经网络相结合的识别分类方法对神经网络权系数进行全局优化。9. 根据权利要求1至7中任一项所述的方法，其特征在于，当所述目标为低空慢速小目 标时，通过十字传声阵列采集所述目标的声信号，所述十字传声阵列包括12个传声阵列元 和4根相互垂直的水平杆。10. -种目标类型识别装置，其特征在于，包括： 采集模块，用于通过平面传声阵列采集目标的声信号，所述目标包括低空飞行的无人 机、轻型飞机、动力三角翼、巡航导弹、动力滑翔伞中的任意一种； 第一处理模块，用于对所述声信号进行方向估计，并对方向估计后的声信号进行空域 滤波处理； 提取模块，用于在空域滤波处理后，提取所述声信号的特征、所述声信号的特征对应的 特征向量以及所述目标的特征； 第一确定模块，用于根据所述声信号的特征、所述声信号的特征向量以及所述目标的 特征，确定所述目标的类型置信度； 识别模块，用于通过融合识别技术对所述类型置信度进行识别，以确定所述目标的类 型。
【专利摘要】本发明实施例公开了一种目标类型识别的方法及装置，本发明实施例方法包括：通过平面传声阵列采集目标的声信号，所述目标包括低空飞行的无人机、轻型飞机、动力三角翼、巡航导弹、动力滑翔伞中的任意一种，对所述声信号进行方向估计，并对方向估计后的声信号进行空域滤波处理，在空域滤波处理后，提取所述声信号的特征、所述声信号的特征对应的特征向量以及所述目标的特征，根据所述声信号的特征、所述声信号的特征向量以及所述目标的特征，确定所述目标的类型置信度，通过融合识别技术对所述类型置信度进行识别，以确定所述目标的类型，本发明实施例提高了目标类型识别的准确度。
【IPC分类】G06K9/00, G06N3/02
【公开号】CN105550636
【申请号】CN201510884182
【发明人】王志峰
【申请人】中国电子科技集团公司第三研究所
【公开日】2016年5月4日
【申请日】2015年12月4日