基于EMD的ICA语音增强

传统ICA方法是将所有源信号都从混合信号中都提取出来,而参考独立分量分析(ICA-R)通过将一些先验信息引入到ICA学习算法中,从混合信号中仅提取期望源信号.本文为了从混合语音信号中提取出期望的语音信号,采取的是基于经验模态分解(EMD)方法来获取功率谱包络作为参考信号,继而把参考信号运用到ICA－R算法中,达到语音增强的目的.计算机仿真和性能分析结果表明,此方法在有噪声干扰的情况下达到语音增强的目的.     

基于VPN技术的云南强震观测高速远程通信实用方案

 在充分利用现有国家通信网络基础设施的前提下,基于VPN技术提出了2套适用于强震远程观测的高速远程通信实用方案.方案1把VPN技术性工作交给了网络运营商,方案2把VPN技术性工作留给了用户.但方案2在安全性和经济性均优于方案1.     

基于Bessel函数展开的语音信号ICA-R算法

为了解决语音信号参考独立分量分析(ICA with Reference,ICA-R)算法中参考信号选取难的问题.依据语音信号传播机理和Bessel函数展开系数对语音信号的表征能力,提出了基于Bessel函数展开的语音信号建模方法,利用Bessel函数展开系数作为变换系数,用少量的系数构建ICA-R中的参考信号来实现对期望语音信号的提取,并将该方法运用到语音信号隐藏技术中.仿真实验结果表明该方法能够较好地从混合语音信号中提取期望语音信号,并能有效地实现语音信号的隐藏与恢复.     

基于时序卷积生成对抗网络的单通道音域分离

由于音域信号的语音和音乐常常以混叠的形式出现,因此在许多应用中,希望能有效分离音域信号中的语音和音乐. 普通的分离方法一般采用基于频域信号的处理方式,而频域信号还原时需借助相位信息,导致还原的信息有偏差. 针对时域单通道音域信号分离效果差的问题,提出在对抗生成网络中引入联合训练与时序卷积的方法. 首先,对时域语音进行预处理;然后,将预处理过的数据送入时序卷积生成对抗网络生成器中进行分离;最后,将分离的干扰语音和纯净的干扰语音送到生成对抗网络判别器判别,并把判别结果反馈给生成器. 实验采用MIR-1K和data_thchs30数据集进行算法性能测试,结果表明,提出的单通道音域分离模型的PESQ和STOI指标平均提高了0.31和0.07,证明所提算法有效提升了音域信号中语音和音乐的分离效果.     

流动强震观测无线接入远程通信实用方案

 在充分利用现有国家通信网络基础设施的前提下,基于市场所能提供的最新无线通信技术,提出2套适用于流动强震远程观测的无线接入远程通信实用方案.2套方案均适合流动强震观测野外工作特点.CD-MA方案在安全性和经济性略优于GPRS方案.     

基于改进PSO的ICA方法分析重力固体潮信号

为了从重力固体潮信号中提取地球物理信息,介绍了一种重力固体潮信号分解模型.在分解模型中,重力固体潮信号分解为赤道平面信号分量及地球自转轴信号分量.为了提取与分解模型相一致的地球物理信息,提出用独立分量分析(ICA)方法将重力固体潮信号中的赤道平面信号分量与地球自转轴信号分量分离.鉴于ICA存在收敛速度慢及局部搜索等特点,提出了一种基于惯性因子ω的改进粒子群优化算法(PSO)来解决ICA中的全局寻优问题.通过仿真实验分析可知,本文提出的改进粒子群的独立分量分析算法可以获得与分解模型相一致的信号分量,并且从各分量中可提取出与地球产生机制相一致的地球物理信息,是一种分析重力固体潮信号的有效方法.     

基于新进化优化BP学习算法的心音识别方法

为提高人工智能辅助诊断心音识别的准确率, 根据心音信号的周期性特点, 提出以快速主成分分析算法对心音信号降维和提取特征, 同时基于单形进化算法, 优化BP神经网络学习算法的输出与期望的误差函数, 以改进BP神经网络的学习性能, 实现对心音信号高准确度的分类识别. 针对正常心音及8类异常心音信号进行性能分析与测试, 实验结果表明, 各类心音的平均识别率为95.96%, 改进算法比其他对比算法识别率分别提高了4.9%,3.9%,1.9%, 表明该算法能更有效地分类识别心音信号, 提高人工辅助诊断的识别率.     

基于独立分量谱相关方法的重力固体潮信号潮汐谐波分析

为了提取重力固体潮信号各谐波分量间能量差异较大的谐波分量,该文在利用独立分量分析实现重力固体潮信号的加性分解,再利用谱相关分析独立分量间的谱相关特性进行分析,揭示了各谐波间的调制关系.同时,通过对独立分量间的自相关谱和互相关谱的分析,论证了在自相关谱中,能量大的谐波分量被凸显,能量小的谐波分量被抑制,而在互相关谱中,能量较小的谐波分量能更好地凸显出来.结果表明,互相关谱更能够揭示重力固体潮信号中弱的潮汐谐波分量及其调制关系.     

基于新进化优化BP学习算法的心音识别方法

为提高人工智能辅助诊断心音识别的准确率, 根据心音信号的周期性特点, 提出以快速主成分分析算法对心音信号降维和提取特征, 同时基于单形进化算法, 优化BP神经网络学习算法的输出与期望的误差函数, 以改进BP神经网络的学习性能, 实现对心音信号高准确度的分类识别. 针对正常心音及8类异常心音信号进行性能分析与测试, 实验结果表明, 各类心音的平均识别率为95.96%, 改进算法比其他对比算法识别率分别提高了4.9%,3.9%,1.9%, 表明该算法能更有效地分类识别心音信号, 提高人工辅助诊断的识别率.     

基于改进ICA算法对云南地区重力固体潮中地震前兆信息的提取与识别

固体潮信号是地球自转在月球和太阳作用下产生的混合复杂信号,其中包含大量的谐波分量,而实际重力固体潮信号中包含了丰富的地震前兆信息.该文提出一个重力固体潮信号的正交分解模型,通过将重力固体潮信号谐波分量,分解在两个正交的方向上,以提取独立的谐波分量：半日波信号、日波信号、长周期波信号.在重力固体潮地震前兆信息分析中引入ICA算法,结合ICA的自身的特点进行算法优化,对重力固体潮信号中包含的三类谐波进行提取.通过对重力固体潮信号中包含的长周期波的分析,研究长周期波的时序变化特征,从中读取其包含的震颤异常波从而提取地震前兆信息.通过对云南地区的实际震例分析表明,长周期波在地震前后的确存在异常变化特征量,此类异常变化常出现在地震前和地震后大约30 d左右.得到的时序特征量的变化容易观察,对于地震前兆信息的分析具有明确的物理意义.