电路与系统学报
電路與繫統學報
전로여계통학보
JOURNAL OF CIRCUITS AND SYSTEMS
2011年
1期
58-63
,共6页
声目标识别%隐马尔科夫模型(HMM)%区分训练%相对界
聲目標識彆%隱馬爾科伕模型(HMM)%區分訓練%相對界
성목표식별%은마이과부모형(HMM)%구분훈련%상대계
提出了一种基于最大相对界的改进隐马尔可夫模型训练方法.为解决隐马尔可夫模型的传统Baum_Welch训练算法在识别声目标时的局限以及现存区分训练算法泛化能力不足的问题,在经典隐马尔可夫模型为初始模型的基础上,定义了相对界,并通过最大化最小相对界建立一个最优化问题,用梯度下降法进行迭代求解,得到基于相对界的隐马尔可夫模型.将其应用于低空飞行目标声识别中,实际信号的识别结果表明算法相对于最好条件下的经典隐马尔可夫模型和最大互信息量隐马尔可夫模型性能有明显的提升,可以有效提高声目标识别系统的识别能力.
提齣瞭一種基于最大相對界的改進隱馬爾可伕模型訓練方法.為解決隱馬爾可伕模型的傳統Baum_Welch訓練算法在識彆聲目標時的跼限以及現存區分訓練算法汎化能力不足的問題,在經典隱馬爾可伕模型為初始模型的基礎上,定義瞭相對界,併通過最大化最小相對界建立一箇最優化問題,用梯度下降法進行迭代求解,得到基于相對界的隱馬爾可伕模型.將其應用于低空飛行目標聲識彆中,實際信號的識彆結果錶明算法相對于最好條件下的經典隱馬爾可伕模型和最大互信息量隱馬爾可伕模型性能有明顯的提升,可以有效提高聲目標識彆繫統的識彆能力.
제출료일충기우최대상대계적개진은마이가부모형훈련방법.위해결은마이가부모형적전통Baum_Welch훈련산법재식별성목표시적국한이급현존구분훈련산법범화능력불족적문제,재경전은마이가부모형위초시모형적기출상,정의료상대계,병통과최대화최소상대계건립일개최우화문제,용제도하강법진행질대구해,득도기우상대계적은마이가부모형.장기응용우저공비행목표성식별중,실제신호적식별결과표명산법상대우최호조건하적경전은마이가부모형화최대호신식량은마이가부모형성능유명현적제승,가이유효제고성목표식별계통적식별능력.