实时交通数据的噪声识别和消噪方法

以常用的交通数据———交通量时间序列的实测数据为例,给出多个噪声识别及消噪预处理的实验结果.为提高建模的准确度,采用模糊减法聚类对交叉口实测交通量进行噪声识别.对实测交通量采用奇异值分解的滤波方法进行除噪预处理,并通过训练径向基函数网络进行预测.与数据未经滤波直接训练网络相比,预测结果的平均绝对相对误差降低了3.31%.用小波变换对交通量数据进行消噪处理,即通过多分辨率的小波分解和重构来实现消噪.实验表明,若对原始交通量时间序列消噪后再建立预测模型,将获得更好的预测结果,这说明研究的噪声识别和消噪方法的可行性和有效性.     

人工合成噪声环境下的连续英文数字识别系统

噪声鲁棒性问题是当前语音识别的一个重点,作者提出了一个在已有数据库下通过人为地将噪声和语音信号混合的方法,实现实际环境下的连续英文数字语音识别系统.即通过自设计的程序将采集到的噪声文本根据不同的信噪比随机地添加到现有的语音数据库的语音文本中,使新的数据库中的语音文本符合实际的语音环境.实验结果表明,本系统对带噪声环境下的英文数字的识别率效果好,单词的总体正确识别率达到95.86%.     

浅谈高速公路的交通噪声防治措施

通过对高速公路过升金湖裕丰圩保护区域现场调查和研究，针对保护区的核心区的交通噪声采取了一些科学合理的措施来降低噪声的影响，使保护区的鸟类免受交通噪声的影响。     

反求工程中散乱点云的数据预处理技术

提出了一种基于散乱点云的数据预处理方法.该方法包括四个部分:对散乱点云进行Dirichlet域分割并在此基础上进行三角剖分;在各个三角域中寻找中心点,以其为原点建立局部坐标系并采用正态分布模型进行噪声点删除;利用在三角网格上构建B-B曲面进行数据平滑处理;对漏测的数据点进行补全处理.数据点经过上述处理后能基本满足后续的曲面曲线的重构要求.     

LCK6112型客车车内噪声的分析与控制

分析了车内噪声的产生机理,对LCK6112型客车的车内噪声进行了测试,用频谱分析的方法对记录的数据进行了处理与分析,并对LCK6112型客车采取了一些降噪措施,取得了良好的降噪效果.     

基于Verilog HDL的卡尔曼滤波器的仿真研究

文章对卡尔曼滤波器的算法的5个递推方程进行了详细的介绍,并采用Verilog HDL硬件描述语言对卡尔曼滤波器的算法进行了仿真研究.通过仿真分析,结果表明卡尔曼滤波器的系统过程噪声、测量噪声、系统阶数(递归次数)等因素对滤波结果有影响。     

高斯函数的性质

本文在高斯函数的概念下,介绍了它的若干性质,特别对性质8°、9°给出了证明,最后列出了高斯函数出现的可能题型和解法。     

一类带Gauss白噪声的随机信号传递系统的优化建模与系统分析

运用随机控制理论与方法 ,提出并研究了一类带Gauss白噪声的随机信号传递系统的数学建模与优化问题 .对在这类信号下的可容许编码函数与译码函数进行了最佳运算与优化分析 ,得到了该状态下的两个最佳控制数学模型 ;给出了此类随机信号传递系统的最佳编码与最佳译码的建立方法 ,为进一步提高该类信号传递系统的效率提供了一种理想的数学处理方法     

车用发动机噪声测试研究

采用内燃机噪声声功率级测定的工程法和简易法对湖南动力机厂的6105Q-C型车用柴油机进行了噪声声功率级的测试．测试发现，该柴油机在标定工况下的噪声声功率级为113dB(A)，已满足国际规定要求，并且低于我国中小型功率柴油机噪声限值及国内同类机型产品的噪声值．但从试验数据看，喷油泵、进气管所在端面及项面噪声辐射较显著，声压级略高；从频谱看，1000～2000Hz范围内噪声最大．本文对上述问题提出了分析与改进意见．     

广州地铁一、二号线噪声状况调查

考察了乘客流量、车站公共广播等因素对广州地铁一、二号线的车站环境噪声和列车车厢内部噪声的影响，探讨了车站环境噪声的日变化趋势。结果表明：地铁列车高速运行是地铁车站环境噪声的主要噪声源，地铁车站环境噪声还与车站的广播次数、广播音量、客流量、车流量等因素有关；地铁列车车厢内噪声除了与地铁线路质量、列车运行速度及地铁列车结构有关外，还与车厢内广播次数、广播音量有密切联系；屏蔽门能有效降低噪声；地铁噪声的频率特性是以中高频噪声为主，属宽频带噪声。