阵列信号处理技术

阵列信号处理(ASP)由于其广泛应用于雷达、通信、声学、生物信息处理等诸多领域而受到了长期的关注，至今还是一个研究热点。现回顾了（ASP)的发展与研究现状，介绍了阵列信号处理中主要的两大研究方法：波束形成法和空间谱估计法,总结并提出了（ASP)的研究方向。     

基于AutoLISP的四连杆机构运动轨迹分析及应用

四连杆机构在机械工程的运动机构设计中得到广泛采用。本文介绍并运用AutoLISP程序设计语言对四连杆机构运动轨迹进行了描述,从而体现出AutoLISP人工智能绘图语言的特点。     

超声新技术的研究与应用

综述了国内外几种最新的超声检测方法以及信号处理技术,并介绍了人工智能技术在超声领域中的研究应用.针对当前超声检测中出现的检测效率低、检测数据存储量少等问题,给出了相应的研究方向.超声新技术的发展极大地提高了检测结果和缺陷定位的准确性,推动了超声检测在材料领域中的应用.     

车辆牌照识别技术的研究发展

车辆牌照识别系统即基于图像和字符识别技术的智能化交通管理系统,是智能交通系统的重要组成部分。通过对车辆牌照识别系统及识别技术的分析,总结出进一步研究车辆牌照识别技术的必要性,并提出将模板匹配与支持向量机相结合进行字符识别的算法思想。     

LSTM和GRU在城市声音分类中的应用

不同类型的声音对城市居民的身心健康质量影响不同,将城市声音精准的分类有利于对其进行有效的评价,从而促进对城市声音的管理。深度学习在语音识别方面已有所应用,其中循环神经网络(RNN)表现最为突出。由于基本RNN存在明显的梯度消失、网络损耗大、准确率低等问题,应用改进的RNN对城市背景噪声进行分类。采用长短期记忆神经网络(LSTM)和门控循环单元(GRU)神经网络,构建深度循环神经网络模型,通过城市记录的公共数据集UrbanSound8K对搭建的深度神经网络的准确性进行测试分析。模型基于梅尔频率倒谱系数的基准实现,得出的结果与基本RNN相比有明显的提升。     

基于自适应分段的语音端点融合检测

语音端点检测是语音识别预处理的一个重要环节,语音端点判断正确与否直接影响到语音识别的效果。短时能量法与过零率方法是语音端点检测的两类主要方法,融合这两类算法,并结合短时频谱峰值,归纳总结了4条语音端点检测的融合检测准则。在语音分段时提出自适应逐级分段计算,寻找满足误差要求的语音起始和终止端点。语音实验验证了本文所提语音自适应分段融合检测方法的有效性,同时,该方法没有增加语音端点检测的额外计算量。     

基于差分进化算法实现非高斯噪声下盲信号分离

简要介绍了稳定分布统计特性,推导了一种适用于α稳定分布噪声下盲信号分离的算法.该算法采用差分进化算法对目标函数自动寻优,求得分离矩阵,从而分离出信号.仿真结果表明:该算法分数低阶α稳定分布背景噪声条件下具有良好的分离效果.     

基于时域统计平均预处理的RBF网络发动机气缸压力识别方法

在柴油发动机气缸压力的识别过程中，针对缸盖振动信号的信噪比低且呈非平稳特性，影响神经网络对气缸压力识别的问题，提出了在径向基函数(RBF)网络训练前，对训练样本进行时域统计平均降噪预处理，再对实验样本进行识别．结果表明，时域统计平均有效提高了训练样本的信噪比，RBF网络经训练后，对柴油发动机气缸压力的识别具有计算速度快、识别精度高的优点．     

基于累积量的多输入多输出系统逆滤波准则算法的改进

基于累积量的逆滤波准则已经被广泛地应用于多输入多输出时不变系统的盲解卷积，本文对该算法进行改进，在算法中利用待抽取源信号和已抽取源信号之间的高阶累积量，构造新的目标函数，迭代抽取源信号，以便在多级运算中获得较快的收敛性．仿真结果表明，该算法具有一定的鲁棒性．     

齿轮磨损在振动诊断中的识别初探

首先介绍齿轮磨损诊断的动力学方法,计算齿轮特征频率,然后在试验的基础上论证齿轮磨损的敏感特征频率,并提出诊断中对这个频率分量的处理方法。