说话人识别中的HOCOR和改进的MCE

从线性预测(LP)残差信号中提出了一种新的特征提取方法,这种特征跟单个的说话人的声道密切相关.不是应用傅立叶技术,而是把HAAR小波变换应用于残差信号,而这种计算更简单.通过把HAAR变换运用于LP 残差而获得了一个新的特征HOCOR.为了进一步提高识别性能和训练速度,在识别阶段采用了改进的最大分类错误(MMCE).实验结果显示采用所提出的新的特征和MMCE取得了较好的识别效果.     

谐波小波在旋转机械故障诊断中的应用

为了对具有非平稳信号的旋转机械的轴心轨迹形状进行识别,提出一种基于谐波小波滤波提纯的方法.谐波小波具有明确的函数表达式,算法实现简单,具有良好的"盒形"频谱特性,能将信号不交叠且不遗漏地分解到相互独立的空间,便于信号特征的提取.采用谐波小波进行滤波提纯,可以将故障信息从原始轴心轨迹信号中分离出来,从而获得轴心轨迹的形状,为旋转机械的故障诊断提供了依据.大量仿真试验表明,该滤波提纯方法简单,具有较强的实用价值.     

转子测量面形状误差对振动测量的影响

为了有效地识别振动信号中存在的虚假信号,采用全息谱方法对具有时间延迟和相位延迟的理想测量面和典型测量面形状误差转子的振动信号进行了理论分析和试验研究.同时,分析并讨论了两种情况下测量面形状误差引起的虚假振动信号对实际振动信号的影响,总结了两种情形下的振动和全息谱特征,得到了具有测量面形状误差的转子振动信号特征.通过试验和现场数据验证结果,与理论分析结果一致,从而为现场转子测量面形状误差的诊断提供了新的识别理论和方法.     

基于小波包分析粘接声信号特征提取

本文针对金属与非金属这种特定的复合材料粘接结构,采用一维离散小波变换对得到的粘接信号进行消噪,利用小波包分解得到其粘接声信号相关的特征量,为这种复合材料粘接质量的识别提供有利的依据。     

形态滤波算法在油井测量数据处理中的应用

为了提高加速度信号的测量精度 ,在数学形态学的基础上 ,采用形态滤波的组合平均算法对加速度信号进行数字滤波 ,结果表明 ,这种方法既滤除了加速度信号的干扰 ,又保持了加速度信号的原始形状特征     

基于一维离散小波变换的心电信号降噪研究

针对心电信号中含有噪声的现象,为了准确提取反映心电信号的特征信息,该文提出了应用一维离散小波变换实现对心电信号的降噪处理方法.研究结果表明,该方法能够有效地去除心电信号中的噪声,从而为进一步实现心电信号特征信息的提取提供了有效的参考价值.     

基于一维卷积循环神经网络的雷达辐射源信号识别

针对人工提取雷达辐射源信号特征不完备、时效性低等问题,提出一种基于一维卷积神经网络和双向门控循环单元的识别方法.首先,提取信号的模糊函数主脊并进行去噪处理;其次,利用一维卷积神经网络学习模糊函数主脊的内在抽象特征;然后引入双向门控循环单元对一维卷积神经网络提取到的特征进行再处理;最后,将特征映射到特征空间并通过Softmax分类器进行分类识别.实验结果表明,该方法在信噪比为0 dB时能保持99.67%的识别率,即使在-6 dB环境中识别率仍能达到90%左右,证实了该方法的有效性和在低信噪比下的稳定性.     

一种非刚性三维模型的尺度不变局部特征提取方法

提出了一种具有尺度不变性的非刚性三维模型局部特征提取方法,即基于局部多值模式的热核特征（local multilevel pattern based heat kernel signatures,LMP-HKS）.首先设计了一种适用于一维信号的基于局部多值模式的编码方法;然后通过对HKS特征的对数差分结果使用局部多值模式来计算特征直方图向量,以获得局部特征向量.该特征不仅保留了HKS特征的等距不变性、信息完备性及稳定性等优良特性,而且具有尺度不变性.与同样具有尺度不变性的SI-HKS特征相比,LMP-HKS特征对于非刚性三维模型的局部形状结构具有更强的描述能力.大量非刚性三维模型检索的实验结果验证了该局部特征的有效性.      

形态滤波算法在油井测量数据处理中的应用

为了提高加速度信号的测量精度,在数学形态学的基础上,采用开矿滤波的组合平均算法对加速度信号进行数字滤波,结果表明,这种方法既滤除了加速度信号的原始形状特征。     

基于fMRI颜色和形状特征绑定的神经机制研究

利用fMRI脑成像技术探讨了图形形状和颜色特征绑定的神经机制。根据图形不同特征设计了一种形状和颜色相互对比的实验任务,任务涉及到形状和颜色特征绑定问题。利用广义线性模型和BOLD信号分析法进行分析,结果发现:与控制任务相比,图像对比任务在枕叶、颞叶中回和下回、右侧中央前回、额叶上/中回等脑区有显著激活。简单任务激活区域较复杂任务较少,且知觉信息整合与右侧前额叶有关。