脉冲射流靶物探测的识别与分类方法

摘要

当脉冲射流冲击靶物时，反射声信号受环境噪声干扰，且脉冲信号相比直射流信号存在信息缺失，导致识别精度不足的问题。提出了一种融合双门限法、改进小波阈值降噪与支持向量机（SVM）的靶物识别方法。采用双门限法进行信号端点检测，结合改进小波阈值算法对含噪信号降噪。进一步提取梅尔频率倒谱系数（MFCC）与伽马通滤波器倒谱系数（GFCC）的特征并融合，输入SVM模型进行分类。实验结果表明，改进小波阈值降噪较传统方法使靶物材质的平均识别率提升约7.5%，当采用db9小波基、3层分解及固定阈值规则时，识别率达到81.65%。实验验证了脉冲射流结合改进降噪与特征融合的靶物识别方法的可行性，为复杂环境下的靶物探测提供了新途径。

关键词

脉冲射流 / 靶物识别 / 小波阈值降噪 / 特征融合 / SVM

基金资助

安徽省高等学校科学研究项目(自然科学类)(2022AH050805); 安徽理工大学引进人才科研启动基金项目(2021yjrc32); 矿山智能装备与技术安徽省重点实验室开放基金项目(ZKSYS202207)