论文部分内容阅读
采用线性预测方法对信号进行边界延拓，改进EMD方法，应用EMD（经验模态分解）对战场声信号进行分解，对分解得到的有限个IMF（本征模态函数）进行FFT，求得其相应的幅值谱，进而得到其能量。选择每一个IMF的能量相对于原始信号总能量的能量比作为特征向量，并将其归一化。最后，设计神经网络分类器对不同类战场声目标进行分类与识别。实验结果表明，基于EMD和能量比的战场声目标分类与识别，分类效果显著，识别率较高。