基于调制宽带转换器的倒谱恢复算法

亚奈奎斯特采样主要应用于宽带通信和射频(RF)技术中。目前理论成熟且硬件实现的亚奈奎斯特采样技术有随机解调器和调制宽带转换器。随机解调器主要用于谱线的检测,而调制宽带转换器是用于稀疏多频带信号。调制宽带转换器(MWC)是一种用于获取频域稀疏、时域连续信号的一种亚奈奎斯特采样方法。其平均采样速率要低于奈奎斯特速率。亚奈奎斯特采样是一种全盲采样方法,即在信号采样和信号重构时都是不知道频谱信息和频谱位置。本文提出一种基于调制宽带转换器的时域对偶信号的倒谱恢复算法,能在极小误差(0.0098)范围内完美的恢复出原始信号。     

基于倒变异高阶谱的周期性突变识别方法

分析了带有周期性突变成分信号的频域特征,提出了识别周期性突变的倒变异高阶谱方法,该方法首先对信号的FFT所得数据进行调整,并根据周期性突变的特点设计了新的高阶谱频率函数,由频率函数可得到变异高阶谱,进而对变异高阶谱的某些频率取纵向切片计算倒谱,得到倒变异高阶谱.基于倒变异高阶谱的周期性突变识别方法可充分利用FFT所得的正负频率域的所有数据,扩充了高阶谱的生成空间,提高了对周期性突变的识别效果.试验表明所提方法可准确识别周期性突变和突变的周期,具有一定的实际应用价值.     

基于HMM的说话人确认系统的研究

探讨了HMM(隐马尔可夫模型 )在说话人识别领域中的应用 ,并对说话人确认系统中的关键问题———确认阈值的确定 ,提出了一种新的解决方法。实验结果表明 ,该方法较好地解决了不同说话人的确认阈值的确定问题。     

一种模糊高斯混合说话人识别模型

为了研究模糊聚类算法在高斯混合模型（GMM）参数获取方面的应用,采用模糊C均值算法（FCM）进行语音特征矢量的聚类,并结合Tabu搜索算法得到全局最优的聚类结果,进一步用EM算法得到GMM模型参数.使用TIMIT数据库中的语音进行测试,开集和闭集说话人辨认实验都表明,该方法获取的GMM参数比普通EM算法获得的GMM模型参数性能更优,能有效降低说话人辨认系统的误识率.     

采用WD倒谱法分析人体肾组织的超声散射微结构特征

提出了一种对超声散射信号分析的新方法———WD倒谱法 .利用该方法对人体正常肾和肾肿瘤组织的回波信号进行分析 ,与用AR倒谱法所得结果进行了比较 .结果表明 ,两种肾组织散射子的平均间距明显不同 ,WD倒谱比AR倒谱更能反映软组织的微观结构特征 ,说明WD倒谱是软组织超声散射信号分析与软组织散射子平均间距定征的一种有效方法     

用相干功率谱识别主噪声源

用相干功率谱分析法辨识在多振源工况下的主要噪声源,并对被识别声源作自功率谱和倒功率谱分析,诊断出产生噪声的故障元件。     

基于倒谱分析的被动水声目标分类

被动声纳捕捉的目标一般是船舶或鱼雷的辐射噪声。该辐射噪声可视为周期性激励与信道传递函数的卷积构成。利用同态分析进行目标分类,即通过倒谱分析将各噪声分量变为线性相加关系,实现各信号分量以及信道的分离,以便提取信号特征进行分类。通过对实际信号的分析,证明水声信号的倒谱特征在概率意义上含有比较稳定的类别信息,基于支持向量机的分类实验结果,说明了根据倒谱特征识别被动水声目标的可行性。     

倒频谱在齿轮故障诊断中的应用

根据倒频谱所具有的特性，将原来信号频谱图上成族的边频带谱线简化为单根谱线。利用这一特点来识别齿轮振动复杂频谱图上的周期结构，分离和提取出密集泛频信号中的周期成分、多成分边频等复杂信号，使测试系统的在线故障诊断更加快速准确。     

用相干功率谱识别主噪声源

减小工作环境的振动噪声是改善工作条件的主要措施之一 ,由于其振动噪声是由许多噪声源引起的 ,故用相干功率谱分析法的测试系统框图及源识别模型分析了相干功率谱 ,在多振源工况下用这种方法辨识主要噪声源 ,对被识别声源作自功率谱和倒功率谱分析 ,诊断出产生噪声的故障元件。