目前指纹识别、虹膜识别、声音识别等生物特征识别技术发展十分迅速,已经在军事、金融和安全等领域有着广泛的应用。因为声音目标识别技术有样本易采集、算法复杂度低、隐蔽性强等优点,所以适用于更多的场景也有更重大的研究意义,已成为近年来的研究热点。但是现有的声音目标识别技术的相关研究多是在实验室中进行的,不适用于野外这类噪声较大的环境中。本文主要研究了在噪声环境中的声音目标识别,利用放置在野外环境中的声音传感器采集声音数据,经过一系列处理,最终能够识别出声音是由人、车还是小型飞行器发出的。为此,本文将从以下几个方面进行讨论和研究:(1)对在噪声环境中采集的声音信号进行预处理,提取较纯净的声音信号。本文采用基于Teager能量算子的端点检测来达到预处理的目的。传统的端点检测方法大部分是基于声音信号的短时能量和短时过零率特征研究出来的。这两种特征是在时域中检测到的,简单且易于实现,但不适用于信噪比较低的情况,会增加误判的可能性。但是在小波域中,有用声音信号段的小波系数明显大于无声和噪声段而且更稳定。因此,基于小波域Teager能量算子的端点检测更适用于野外环境中的声音目标识别。(2)将现有的声音特征参数分为时域参数和频域参数两类,逐一介绍了常用声音特征参数的原理及优缺点。本文使用的声音数据是由放置在野外环境中的声音传感器采集到的,会产生信噪比低、不稳定等问题。单一的特征参数不能达到很好的识别效果,所以使用梅尔频率倒谱系数和线性预测倒谱系数的融合特征作为本次研究的特征参数。(3)本次实验需要在短时间内识别出声音是由人、车还是小型飞行器发出的,所以在保证识别率的条件下,对识别速度也有一定的要求。因此,最终选择使用矢量量化模型(VQ)进行分类。经过分析和研究,发现目前矢量量化模型多使用欧式距离作为失真测度。由于本文使用梅尔频率倒谱系数和线性预测倒谱系数的融合特征作为特征参数,所以改用对数似然比作为矢量量化模型的失真测度。利用MATLAB对模型进行了设计与实现,通过实验证明该识别系统能够在保证识别率的情况下提高识别速度,而且可以适用于更广泛的场景中。