论文部分内容阅读
1939年世界上第一架诞生于美国的VS-300直升机以来,随着世界格局的发展变化与现代战争的需要,直升机作为空中作战平台的一种,发挥着越来越重要的作用。直升机因其结构特点与技术特性,主要在低空、超低空活动,是战场中重要的运输工具与火力打击手段,成为联接陆、海与空战场的重要枢纽。但在另方面,直升机无论处于哪种飞行姿态都会产生不易消除的声音信号。直升机声音识别就是针对这种声音信号进行分析处理,以获取相关的重要信息,实现对直升机的识别、定位和跟踪。因此,研究直升机声音识别技术,以获取更高的识别率就具有非常重要的现实意义。本文介绍了直升机声音的产生原因与分类,并与语音信号进行对比分析。研究结果表明,直升机声音信号与语音信号在识别技术上是相同的,因此将语音识别中的分析处理方法应用于直升机声音识别是可行并且有效的。在语音识别方面介绍了进行识别的基本原理和方法步骤,并详细介绍了其中的关键技术,包括预处理、特征提取与训练识别等。目前,在语音识别技术中,常用的有动态时间规整、矢量量化、隐马尔可夫模型以及人工神经网络等方法。矢量量化是其中具有较高性能的模型训练和模式匹配技术之一。本文重点讨论基于矢量量化的识别技术。在矢量量化的码本设计过程中,经典LBG算法极易陷入局部最优,且初始码本的生成对最佳码本的设计影响很大。量子遗传算法是遗传算法中跨学科研究的一个热点,它是一种结合了量子计算并行能力以及遗传算法寻优能力的全新搜索算法。量子遗传算法比遗传算法,搜索范围更广,适应性更强,效率更高,效果更好。本文结合量子遗传算法对LBG算法进行改进,提出了QGA-LBG算法。将QGA-LBG算法应用于直升机声音识别中,并运用matlab平台进行实验,与LBG和GA-LBG算法进行对比分析。实验结果表明运用QGA-LBG算法能进一步提高直升机声音识别的识别率。同时,随着训练音长度的增长,QGA-LBG相比GA-LBG与LBG在识别率上会有显著提高。