基于小波包分解和支持向量機(jī)的艙音識別技術(shù).pdf

1、隨著社會進(jìn)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(jī)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(CockpitVoiceRecorder,CVR),簡稱艙音記錄器,是飛機(jī)黑匣子中重要組件之一。CVR記錄的背景聲音在飛機(jī)飛行安全、飛行事故調(diào)查中起著不可替代的作用,但由于空中氣流引起機(jī)身顫抖等諸多因素使得CVR記錄的背景聲音十分復(fù)雜.
　　 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)

2、等特點(diǎn),本文結(jié)合小波包變換及支持向量機(jī)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(jìn)行分類,有效地實(shí)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(shí)用價(jià)值。本文的主要工作如下:
　　 首先,對中國民用航空總局航空安全技術(shù)中心建立的“飛機(jī)艙音信息樣本庫”中的混合艙音信號分離的結(jié)果,應(yīng)用小波包子帶能量方差算法進(jìn)行端點(diǎn)檢測,得到單個(gè)獨(dú)立的開關(guān)、旋鈕、警報(bào)等聲音樣本。
　　 其次,對通

3、過端點(diǎn)檢測的單個(gè)開關(guān)聲等聲音樣本進(jìn)行小波包分解,以分解得到的子帶能量作為信號的初始特征,再根據(jù)最大距離準(zhǔn)則選取最優(yōu)小波包基,從而確定最終的特征向量用于分類識別。
　　 隨后本文通過支持向量機(jī)引入核函數(shù),并深入研究了不同核函數(shù)的性質(zhì)。通過將核函數(shù)分為局部性核函數(shù)和全局性核函數(shù),在保持原有核函數(shù)基本特性的基礎(chǔ)上,對其進(jìn)行了組合,引入了混合核函數(shù)的支持向量機(jī)。最后本文進(jìn)一步分析了基于混合核函數(shù)的支持向量機(jī)多類分類算法,結(jié)合構(gòu)建最優(yōu)二叉