普通话水平客观测试中的韵母测试研究

在分析比较语音共振峰、LPCC、MFCC与Bark谱等语音特征参数的基础上,选择了Bark谱作为普通话水平客观测试中的韵母评测参数,实验结果表明其语音区分能力优于其他特征.根据音征互载的特点,提出了声韵结合的韵母评测建模方法.针对鼻韵母评测精度低的问题,提出了对鼻韵尾段单独建模的二次评价策略.通过对在普通话水平测评现场录制的语音数据进行的评测实验,证明所提出方法能有效提高评测精度,其韵母总体评测精度达到95.80%.     

基于DSP的广播节目抗干扰系统的设计

针对广播节目在传输过程中易受干扰的问题,提出了基于动态时间轴归整（DTW）算法的多词判别法语音识别技术,根据该方法通过提取Mel尺度倒谱参数,设计出基于DSP的广播节目抗干扰系统,实现广播信号的自动判别,实验表明该系统抗干扰能力显著增强.     

基线漂移对长周期反应谱的影响

采用Hilbert-Huang变换,对数字强震仪记录进行了分析,得到了几个典型记录的最低频固有模态函数(IMF),比较了常规处理记录和去除最低频IMF的记录加速度反应谱的差别,这种差别很小。据此得出了记录基线漂移对长周期反应谱的影响很有限的结论,指出数字化强地震动记录在长周期段是可靠的,设计反应谱可向长周期扩展。     

微多普勒特征提取中的时频分布选择

针对雷达目标微多普勒特征提取中的时频分布选择问题,从理论上分析了微多普勒信号的时频分布特点. 对于多分量微多普勒信号,通过引入性能评价准则给出了时频分布的性能评价指标,并进一步提出微多普勒信号的时频分布优化选择方法. 仿真结果表明,平滑伪Wigner-Ville分布具有最优的时频性能. 该结论对微多普勒提取的时频算法选择及高精度的瞬时频率估计具有指导意义.     

EMD在说话人辨认中的应用

提出一种基于经验模式分解的说话人辨认方法.通过对语音信号进行经验模式分解得到一系列内在模式函数,提取每一级模式函数的Mel频率倒谱系数和相邻两级模式函数差的Mel频率倒谱系数作为表征说话人的特征参数,对得到的特征参数用矢量量化进行识别.实验结果表明,方法是有效的.     

基于改进EMD去噪和矩阵束的电力系统低频振荡模态辨识

提出了一种电力系统低频振荡模态辨识方法.首先使用改进的经验模态分解(empirical mode decomposition, EMD)去噪算法对低频振荡信号进行预处理.针对传统EMD去噪时混叠噪声严重和计算时间较长的问题,在区间阈值处理的基础上向信号叠加余弦波并进行二次分解,可以快速有效地实现信噪分离.随后再利用矩阵束(matrix pencil,MP)算法提取模态参数.对于MP算法的关键定阶问题,引入奇异值的相对差值作为定阶指标,可以实现较为准确的阶数估计.最后对数值信号、系统仿真信号和电网实测信号进行分析.仿真结果表明,所提方法在抗噪能力、参数精度和计算速度等方面都表现优异.     

基于空间增强和谱减法的语音识别系统

为了解决连续语音识别在自然环境中噪声估计高误差、去除噪声和语言失真不能良好平衡、导致关键词识别率低下的问题,提出了一种全新的自动语音识别系统(ASR).本系统将双通道含噪语音信号通过空间增强模块进行噪声提取,通过均衡考虑语音信号和参考噪声输入谱减法模块进行去噪与语音失真的噪声去除和信号放大,最后进入基于隐马尔科夫模型(HMM)的自适应语音信号识别模块进行识别处理.实验显示,本系统可有效减少运算负载、提高关键词识别率.     

听觉模型倒谱系数及其在声目标识别中的应用

针对目前广泛采用的美尔倒谱系数(MFCC)鲁棒性不足的问题,基于人类听觉模型提出了一种可用于战场声目标识别的倒谱系数. 用小波包变换代替了传统的傅里叶变换,克服了傅里叶变换在频域上单分辨率的缺陷和对噪声的敏感性. 用指数压缩替换固定的对数压缩,较好地模拟了人耳处理信号的非线性能力. 在SensIT实验数据和外场实际采集的低空目标数据上的实验结果表明：相对于经典的美尔倒谱系数,本文提出的倒谱系数在识别准确性和抗噪声能力方面都有较明显的提高．     

基于时频结合的带噪语音端点检测算法

为了改善在低信噪比条件下,传统语音端点检测算法准确率较低的情况,提出了一种结合多窗谱估计的谱减法和能熵比的语音端点检测算法。该算法在低信噪比下,对带噪语音进行多窗谱估计的谱减语音增强后,结合语音信号的短时能量和子带谱熵,对增强后的语音信号进行能熵比的计算,并用于端点检测。实验结果表明,在不同的背景噪声且信噪比为-5 d B环境下,相对其他端点检测算法更有效地检测出语音端点,可达到70%以上的正确率,此算法更适合于低信噪比环境下的语音端点检测。     

符合人耳听觉特征的数字助听器子带响度补偿

语音信号响度补偿是数字助听器的关键功能之一. 由于患者的听力损失常随信号频率改变,故响度补偿增益应随语音信号频率变化而调整. 该文提出针对人耳听觉特征进行子带划分响度补偿的方法,设计了实现响度补偿的完美重构子带滤波器组,并针对老年性听损患者给出子带滤波器组参数. 实验与仿真结果显示, 本方法很好地补偿了听损患者在不同频段的语音能量损失,使患者对语句的辨识率得到显著提升.     

基于频段能量特征的低速滚动轴承故障诊断

直升机自动倾斜器滚动轴承通常在低速环境下工作,其故障特征频率易淹没在各种干扰频率中,因此以特征频率处的谱峰作为故障特征的传统诊断方法效果不佳.为此提出一种基于频段能量特征的低速滚动轴承故障诊断方法.计算振动信号的FFT和功率谱,利用轴承正常、内圈故障、外圈故障和滚珠故障4种状态的振动信号在功率谱上能量分布不同的特点,构建故障特征向量.利用具有小样本优势的支持向量机构建分类器,进行故障类型诊断.在实验台上模拟直升机自动倾斜器滚动轴承的低速工作环境,进行了故障模拟实验,采集振动数据,与传统LMD包络谱特征方法进行对比,验证了该方法在低速滚动轴承故障诊断方面的适应性和优越性.     

基于改进BP算法的刚框架连接损伤识别方法

运用权值、阈值同步学习BP算法(简称为改进BP算法)对钢框架连接损伤进行识别,并且选用由结构正则化的频率变化率和少数点的振型模态分量构成的组合参数作为网络输入参数.通过对一个4层钢框架数值模拟,比较了改进算法和传统算法测试结果,从而证明改进算法更加精确、优越.     

基于MFCC与GFCC混合特征参数的说话人识别

针对说话人识别中单一参数表征不够全面的特点,将抗噪性能一般的传统MFCC参数与鲁棒性更强的GFCC参数相互融合,并结合它们的动态特性构成一种新的混合参数.针对特征参数维数过高造成的冗余,研究了每种特征参数各分量与识别结果的关系,舍弃其中贡献较低的分量以实现特征参数降维的目的,并将混合参数应用于基于高斯混合模型的说话人识别系统.仿真实验表明,该混合特征参数具有更好的识别性能和抗噪性.     

基于正弦注意力表征网络的环境声音识别

将正弦注意力表征网络引入环境声音识别,首先提取梅尔频率倒谱系数(Mel-frequency cepstral coefficient,MFCC)作为音频识别特征,使用门控循环单元提取MFCC每一帧的特征,根据正弦函数激活每一帧音频得分,并依照每一帧的音频得分为音频重新分配权重,从而将注意力集中在音频重点区域.最后结合全...     

小波变换在语音增强中的应用

通过分析语音信号的特性,采用了先对信号进行清浊音的判断,其次运用小波变换来处理带噪语音信号在不同尺度上的带噪小波系数,从而实现在重构中增强语音信号的目的,并通过计算机仿真结果验证了该方法的有效性.     

Alpha稳定分布噪声下卫星双信号调制识别

针对现有基于循环谱的单信号调制识别方法在Alpha稳定分布噪声下失效的问题,提出一种基于广义二阶循环谱的双信号识别方法.首先分析广义二阶循环谱对Alpha稳定分布噪声的不敏感性,在此基础上再分析待识别混合双信号的谱特性,提取其循环频率域脉冲谱线特征构成特征参量,最后通过检测脉冲谱线数量实现双信号的调制识别.仿真结果表明,该方法在Alpha稳定分布噪声和高斯噪声下都有良好的识别性能.     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

热障涂层基于小波变换的声发射源定位方法

利用小波分析技术,对不同传感器接收到的声发射信号进行分解,提取出特征频率段的小波分量,对这一分量的重构信号进行相关性分析,确定了声发射信号到达两传感器的时间差,进而确定了声发射源的位置.对热障涂层进行铅笔芯断裂的定位分析验证了该方法的准确性.     

基于二阶差分耳蜗模型的语音识别新方法

采用二阶差分耳蜗模型对语音信号进行特征参数提取,获得了基于听觉谱的语音识别前端特征参数,同时根据听觉谱特征提出了一种"幅和频差积"距离测度,识别算法采用端点放松两帧,路径斜率限制在1/2到2之间的改进型DTW算法.在小词汇量非特定人(SI)的识别环境下,计算机模拟结果表明此法在对0~9十个数字以及小词汇量的SI识别时,其正识率可达98%以上,且具有较好的鲁棒性.     

风电齿轮箱复合故障诊断方法研究

针对风电齿轮箱的复合故障诊断问题,本文提出了基于改进变分模态的风电齿轮箱复合故障的特征提取方法,并采用改进鲸鱼算法优化的最小二乘支持向量机(DEWOA-LSSVM)故障诊断模型进行故障诊断。通过变分模态方法将收集的信号分解为K个模态分量,通过加权排序熵对其进行量化处理,得到特征向量,将特征向量输入到经过改进鲸鱼算法优化后的最小二乘支持向量机模型完成故障诊断,并通过试验验证该方法的有效性。