论文部分内容阅读
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。