一种适合FPGA实现的时频谱图增强算法

在基于FPGA的时频分析研究设计中,针对直接显示的时频谱图无法体现频谱细节变化的问题,提出了一种适合硬件实现的谱图增强算法.该算法以正弦信号的频谱结构为原型,选用反比例函数逼近正弦信号的频谱包络,并结合实际应用情况推导出具体的增强算法,利用该算法不仅对时频谱图的灰度级进行了压缩,而且进行了谱图增强处理.实验结果表明,此算法可有效显示出时频谱图的细节变化,与对数变换相比,具有运算量小,实时性好,适合硬件实现等特点.     

虎皮鹦鹉发声中的非线性现象——幅度调制

在亚鸣禽代表动物虎皮鹦鹉的正常叫声中，发现其联系叫声表现出显著的幅度调制特性．通过其正常联系叫声的声图、频谱图及相应的数据分析，展现了这一特性，为解释虎皮鹦鹉的呜管发声机制提供了声学依据．     

基于EEMD的异常声音多类识别算法

为了提高异常声音信号的识别率,提出一种将总体平均经验模态分解和梅尔频率倒谱系数、短时能量及能量比相结合的特征提取改进算法,并对决策导向无环图支持向量机多类识别算法进行改进.首先对声音信号进行分帧,然后对每帧信号进行总体平均经验模态分解得到固有模态函数,最后对每层固有模态函数提取梅尔频率倒谱系数、短时能量和能量比特征.根据提取的特征,采用改进的决策导向无环图支持向量机算法对五种异常声音信号进行识别.仿真结果表明:改进的特征提取算法和决策导向无环图支持向量机多类识别算法相比改进前识的别率分别提高了2%和2.5%.     

基于振动与声音信号深度学习的岩性识别方法

岩性识别对地质勘查和储层评价具有重要意义,科学有效地开展岩性自动识别的相关研究能够有效地为勘查过程提供指导,减少工作的盲目性和冗杂性。针对常见的砂岩地层,选择三类砂岩,基于室内微钻试验台,设计钻杆转速、钻孔深度和钻孔位置三个变量,检测钻进过程中产生的振动和声音特征信号。将采集的振动和声音信号预处理,提高信噪比,生成数据集。将振动和声音的数据集按6∶2∶2的比例划分为训练集、验证集和测试集,之后分别构建二维卷积神经网络和一维卷积神经网络并使用训练集和验证集训练岩性识别模型,最后运用未经训练的测试集验证模型准确率。模型训练完成后,以频谱图为数据集的振动信号识别模型准确率达到95.19%,以梅尔频率倒谱系数为数据集的声音信号识别模型准确率达到73.58%。研究结果表明,不同岩性在钻进过程中产生的振动和声音信号具有不同信号特征,基于振动和声音信号的岩性自动识别方法可以较好地实现几类砂岩的自动识别,这为地质勘查时的岩性自动识别提供了参考与依据。     

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。     

面向多场景的环境异常声音识别

随着人工智能和大数据的发展,各种场景中对异常声音识别的需求日益增长,基于人工智能的声音识别技术正在兴起并被高度重视。现行主流的异常声音识别算法多为浅层机器学习模型结构,对异常声音的识别率较低,且识别的声音类型单一。为了有效识别异常声音,提出一种基于梅尔频率倒谱系数(Mel-frequency cepstral coefficient, MFCC)和卷积神经网络(convolution neural network, CNN)的环境声音识别算法,对各类异常声音进行采集和有效识别,并及时反馈声音状态,为各类声识别应用场景提供精细化管理技术手段。结果表明：提出的算法对5类场景下环境异常声音的识别率得到极大提高,适用于更广泛的声学场景,具有明显的优势。     

声音信号频谱检测仪设计

对声音信号进行频谱分析,是认识声音信号和处理声音信号的重要方法,因而基于声音信号频谱检测具有重要的意义。通过使用FPGA微处理器对声音信号频谱进行检测,并通过Altera公司的Quartus II软件、相关IP核以及硬件描述语言VHDL完成对声音信号的采集、量化、存储、快速傅里叶变换(FFT)、滤波、计算声强等一系列功能,通过测试实现了声音频谱的前端监测,同时结合VGA直观地显示动态信号特征,真正达到了对声音信号频谱的动态监测。经过实验验证,该设计可以准确检测出声音信号频谱并动态地显示出来。     

旋转机构转子部件脱落的幅值谱研究与变幅信号谱的简单分析

针对旋转机构转子部件缓慢脱落时系统信号的幅值缓慢变化,其频域内幅值亦发生某种有规律的变化,简单地模拟了系统在变幅情况下的信号。将信号从频域傅氏变换的线性叠加性和能量守恒角度去对信号的频域内幅值的变化规律进行分析,并在频域内采用FFT、比值校正法和频谱细化方法进行频谱图简单分析以验证两者准确性,加深对信号处理时内部运算的理解。最后将普通变幅信号引入,用实验事实说明傅式变换本身的一些不足并做简单的分析,并简单介绍了变幅信号现今采用的一些处理方法。     

基于听感知特性的双麦克风近讲语音增强算法

针对近讲系统的声学场景,提出一种基于听感知特性的双麦克风语音增强算法。模拟人耳频率分解特性,用gammatone滤波器组对2路麦克风采集的声音信号进行多子带频率分解;对分解后的时域信号进行分帧,生成时频单元,并计算每个时频单元的能量;以2路信号时频单元能量比值为线索,估计每个时频单元信噪比,模拟人耳掩蔽特性生成掩蔽模板,并作用于带噪声的语音信号,实现目标语音与环境噪声的分离。实验结果表明:由2路麦克风信号时频单元能量的比值可较准确估计时频单元的信噪比;该算法可提高带babble噪声命令词的识别正确率,优于当前单通道及双通道语音增强算法。     

基于脉冲耦合神经网络的结构损伤检测方法研究

机械结构的损伤发展到一定程度,会对其功能产生严重影响,所以及早检测出损伤非常必要。针对机械结构在损伤发生时其内部能量分布会发生变化的情况,对加速度计测得的结构振动信号进行短时傅立叶变换,获得可以反映能量分布的时频谱图。使用脉冲耦合神经网络提取时频谱图的熵序列特征,很好地识别了结构的损伤。使用上述方法对简支梁的损伤进行了实验研究,验证了其有效性和实用性。     

2D-Haar声学特征超向量快速生成方法

针对大数据量音频的高速处理,提出一种快速的声学特征超向量生成方法,有效提高音频识别系统的识别速度和精度.所提方法首先将多个连续音频帧的常用声学特征构成声学特征图,进而使用低复杂度的运算方法在其中快速提取维数达数十万的Haar-like声学特征;然后使用AdaBoost.MH算法,筛选出具有较高代表性的Haar-like声学特征模式组合,用以构成声学特征超向量;进而提出Random AdaBoost特征筛选方法,进一步提高特征筛选速度.实验结果表明,在音频事件识别、说话人识别、说话人性别识别3种场合下,使用Haar-like声学特征可以使SVM、C5.0、AdaBoost等识别算法获得比MFCC、PLP、LPCC等常用声学特征更高的识别准确率,同时可以获得7~20倍的训练速度提升和5~10倍的识别速度提升.      

基于小波变换和灰度-梯度共生矩阵的局部放电特征提取及识别

为了能够充分利用局部放电(Partial Discharge, PD)信号中包含的特征信息,提高变压器内部局部放电类型的识别率,文中提出了一种基于小波变换(Wavelet Transform)和灰度-梯度共生矩阵(Gray-GradientCo-occurrence Matrix,GGCM)算法的局部放电类型识别方法。结合变压器内部结构特点,设计四种局部放电缺陷类型,在实验室搭建变压器局部放电实验检测平台,通过脉冲电流法采集局部放电高频电流信号。运用小波变换对非平稳信号处理时的灵活性对局部放电信号脉冲构建时频谱图;然后结合GGCM算法提取时频谱图的15维纹理特征组成特征向量;将特征向量输入到支持向量机(Support Vector Machine,SVM)分类器进行模式识别。结果表明,小波变换和GGCM算法结合的识别方法能够有效地对不同局部放电缺陷类型进行识别。     

基于BP神经网络的海洋声学仪器信号识别方法

分析了几种常用海洋声学仪器信号的基本特征,提出一种基于误差反向传播(back propagation,BP)神经网络,以实现对信号特征参数进行分类、识别的方法.该方法采用短时傅里叶变换提取信号特征参数,运用Levenberg-Marquardt算法训练BP神经网络.以实测海洋声学仪器信号的特征参数进行训练后,采用实测和仿真样本对BP神经网络的识别能力进行测试.实验结果表明,BP神经网络能够有效地区分不同海洋声学仪器的信号,识别准确率达到95%以上,且虚警率低于5%.该研究成果可用于识别海域中不同海洋声学仪器,检测海洋中声学仪器的工作状态.该识别方法对于其他海洋声信号的识别研究也有一定的参考价值.     

金属圆板结构的振动与声响应特性

本文基于脉冲激振试验原理研究了金属圆板结构的振动特性和声响应特性,提出了改善其动态特性的有效途径。声响应法同样能有效地识别结构的动态特性参数,并更直接地反映了结构的声学特性。由于声信号为非接触拾取,它使得识别运动部件的动态特性或进行声模态分析成为可能。     

基于混沌特性的情感语音特征提取

根据语音发声过程中的混沌特性,应用非线性动力学模型分析情感语音信号,提取了该模型下情感语音信号的非线性特征以及常用的声学特征(韵律特征和MFCC).设计情感语音识别对比实验,将非线性特征与不同声学特征融合并验证了该组合下的情感识别性能,研究了语音信号混沌特性对情感语音识别性能的影响.实验选用德国柏林语音库4种情感(高兴、愤怒、悲伤和中性)作为语料来源,支持向量机网络用于情感识别.结果表明,非线性特征有效表征了情感语音信号的混沌特性,与传统声学特征结合后,情感语音识别性能得到了显著提高.     

线性调频Z变换在信号频谱分析中的应用

由于快速傅里叶变换（Fast Fourier Transform,FFT）算法不能精确反应信号的局部频谱特性,对此,本文以按时间抽取（DIT）的基-2FFT算法为基础,并参考基于FFT的布鲁斯坦（Bluestein）算法,设计了新的信号频谱分析软件,用于对实序列采样信号做线性调频Z变换,即频率抽样处在Z平面上,可沿任意螺线做频率抽样的频谱分析方法.结合工程实践对相同采样点数的信号在0—50Hz频率段做频谱分析,由频谱图可以看到,采用线性调频Z变换算法远比采用FFT变换算法求得信号的频谱更精确.     

直升机声信号的特征分析

根据传统语音信号的分析方法分析了直升机声信号,采用MATLAB软件进行了仿真,提取出了两种直升机声信号的短时自相关函数、短时频谱图和线性预测系数LPC,并分析对比了两种不同型号直升机声信号的特征。实验结果表明短时自相关、短时频谱和LPC等特征参数能较好地分析与识别不同类型的直升机声信号。     

基于MATLAB的DTMF技术计算机模拟

主要阐述了DTMF编码的原理以及通过MATLAB产生DTMF信号的方法,并对Goertzel算法和快速傅里叶变换FFT算法提取的频谱进行了分析比较,设计了两种算法的MATLAB程序.利用Goertzel算法对输入的DTMF信号提取频谱信息,从而对输入信号进行检测、解码.     

声引信目标信号过零率分布研究

该文提出一种新的信号分析方法,即信号的过零率分析法,并对其进行了论证,该方法适用于声引信目标信号分析与识别,可以从背景噪声中识别出直升机、坦克,汽车及人行走等,并能排除风和背景噪声的干扰以及人为干扰。与频谱分析法相比,它不需要进行乘法运算,因而处理速度快,分析结果与信号能量无关。文中给出了应用该方法分析的直升机时、坦克声音、大型卡车声音、人员行走的震动信号的过零率曲线。利用该方法可以提取目标信号的     

基于动态组稀疏重构的频谱感知算法

针对认知无线电网络中宽带频谱感知问题,提出了一种基于主用户信号频谱结构的频谱感知算法,简称为DGS-SS算法.该算法首先利用压缩感知理论对信号进行欠采样,然后利用主用户信号频谱的组稀疏结构修正重构过程中的频谱和残差支撑集,从而能够加快重构主用户信号频谱的收敛速度,而且也能够提高主用户信号频谱的重构精度,最后利用重构信号频谱给出频谱空穴的有效检测.仿真结果表明,所提算法不仅能在低压缩比下精确重建信号频谱,而且对噪声变化具有更强的鲁棒性,从而有效地提高了频谱感知性能.