张 坤，邸 忆，顾晓辉

（1.武汉数字工程研究所，武汉 430074；2.湖北经济学院，武汉 430205；3.南京理工大学，南京 210094）

0 引言

坦克与直升机火力猛、机动性强并具备良好装甲防护能力，目前声目标识别技术广泛应用于这两类目标的智能识别［1］。声信号特征提取是采用模式识别方法对目标分类的关键步骤之一。区分度高的特征将直接影响分类器的设计，对提高分类精度具有重要意义。近年来，非线性特征因其计算简便，能体现不同一维信号的区别而被广泛采用，分形维数是表征信号非线性的常用参数，但一组声信号只能得到一个分形维数，并不能充分反映信号之间的非线性区别［2］。目前解决该问题有两种方法：1）采用多重分形维数；2）将分形维数与信号分解方法结合［3］。这两种方法的共同点是得到更多反映信号非线性特征的分形维数。

奇异值分解（SVD）是一种广泛应用的信号处理方法，具有计算量小，原理简单，对信号进行线性分解的特点，广泛应用于信号处理领域。SVD 分解前首先需要将信号重构为矩阵形式，文献［4-5］对Hankel 矩阵形式的SVD 分解方法进行了深入的研究，发现了随机噪声信号与有效信号在奇异值上有不同的特性，由于SVD 实质是一种线性分解，选择有效信号的特征值能重构信号，达到信噪分离的目的。SVD 还能根据需要控制分解的分量个数，这使分解方法更具灵活性。但SVD 分解重构的信号分量的与信号频率的关系却不如小波与EMD 方法清晰。文献［6］发现对信号构建Hankel 矩阵后进行SVD 分解，当Hankel 矩阵维数大于信号中频率数量的两倍，每一个频率成分产生两个有效奇异值，这有效地弥补了SVD 分解的不足。……