描述:
随着民航运输业的迅猛发展,机场周边的噪声污染问题越来越严重,机场噪声监测系统是对噪声污染问题进行有效监管的重要手段,它涉及居民区、学校以及医院等噪声敏感地带,监测到的数据可能并不只是我们关心的纯净的航空器噪声,还可能包括汽车、摩托车等环境噪声,这给航空器噪声监测带来很大的困难,这需要一种有效方法来进行航空器噪声的识别,区别航空器噪声和非航空器噪声。因此,本文提出了航空器噪声识别方法研究,主要内容有:通过理论研究和实验验证,对航空器噪声识别进行研究,寻找到适合于航空器噪声特征的识别方法。基于对航空器噪声物理特性的分析,构造了航空器噪声识别的框架,并通过多组降噪对比实验比较了小波和小波包对于航空器噪声的降噪效果,证明小波包降噪方法更加简单易行并且保存了更多的高频特征信息,非常适合于航空器噪声的声学特性。通过结合问题的实际需求和航空器噪声自身的特性,对声学特征提取算法MFCC(Mel frequency cepstral coefficients)和感知线性预测PLP(Perceptual Linear Predictive)进行了研究,对这两种算法进行了改进和融合,提出了基于改进MFCC的航空器噪声特征提取算法,通过插入MMSE特征增强使得改进后的算法在低信噪比条件下的识别性能得到了提高。采用支持向量机SVM进行分类器设计,采用了改进的遗传算法对SVM的参数进行寻优,确定了参数的最佳取值。通过多组实验数据验证了所设计的航空器噪声识别算法的有效性。