[发明专利]一种基于微孔径麦克风阵列的运动目标识别方法

权利要求书

1.一种基于微孔径麦克风阵列的运动目标识别方法，其特征在于，包括以下步骤：

（1）利用微孔径麦克风阵列采集环境噪声和已知类型运动目标的声响信号，并建立声响信号的样本库；

（2）对样本库中的每条样本各通道的数据进行叠加求和的降噪处理；

（3）采用精简的梅尔倒谱系数算法提取信号的特征；

（4）按照类别构建样本库中各类目标的高期混合模型的概率密度函数，以k-means算法进行模型初始化，以期望最大算法训练模型参数，并以此作为目标的分类系数；

（5）当微型麦克风阵列部署在实际环境中进行目标识别时，阵列各通道的麦克风同步采集环境中的声响信号，接着各通道的数据经叠加求和进行降噪处理，然后由精简的梅尔倒谱系数算法提取目标的特征，最后利用所述的分类系数计算各类别的高斯概率密度函数，将概率密度函数最大的类别作为识别结果。

2.根据权利要求1所述的基于微孔径麦克风阵列的运动目标识别方法，其特征在于，所述微孔径麦克风阵列中麦克风的数量在两个以上，并且麦克风之间的最大间距为厘米量级。

3.根据权利要求1所述的基于微孔径麦克风阵列的运动目标识别方法，其特征在于，所述步骤（2）中的叠加求和的降噪处理方法为：，其中，c_i(n)为第i个通道声响信号，Q为阵列中麦克风的数量，x(n)为降噪后的信号。

4.根据权利要求2所述的基于微孔径麦克风阵列的运动目标识别方法，其特征在于，所述步骤（3）包括以下步骤：

（31）预加重：s(n)＝x(n)-αx(n-1),其中α为预加重系数，介于0.1～1之间；

（32）加窗分帧：y(n)＝s(n)ham(n)，其中ham(n)为汉明窗的表达式，具体为：

0≤n≤L-1，式中，L为帧长；

（33）短时傅立叶变换：Y(K)=ΣN=0L-1y(n)e(-j2πknL),0≤k≤(L-1);]]>

（34）梅尔滤波：，其中H_q(K)为梅尔滤波器组的第q个滤波器，滤波器的个数Nfilter为14～30，将梅尔频率等分为Nfilter段，每个等分对应一个梅尔滤波器的频率范围，第q个滤波器具体形式为：

Hq(K)=0,K<f(q-1)2[K-f(q-1)][f(q+1)-f(q-1)][f(q)-f(q-1)],(q-1)<K<f(q)2[f(q+1)-K][f(q+1)-f(q-1)][f(q+1)-f(q)],f(q)<K<f(q+1)0,K>f(q+1),]]>其中，f(q)是第q

个滤波器的中心频率，其通过将梅尔频率Nfilter等分后取第q个值获得；

（35）取对数：MFCC(q)＝lnMel(q),1≤q≤Nfilter。