基于倒谱特征的舰船辐射噪声识别算法研究

研究了舰船辐射噪声的倒谱信息．倒谱可以避免连续谱特征的不稳定性，基于此，将倒谱代替连续谱作为舰船辐射噪声识别的特征，并对实测的海上数据进行了仿真实验．结果表明，该方法可以有效地达到识别舰船辐射噪声的目的，且识别率高．     

基于隐马尔可夫模型的舰船辐射噪声目标识别

将隐马尔可夫模型引入到舰船噪声目标识别中。选择MEL频率倒谱及其差值参数作为模型的观察序列,分别采用Baum-Welch算法和Viterbi算法对模型进行训练和识别。对这一模型进行了计算机模拟,并利用潜艇、鱼雷和水面舰3类目标的海上实录噪声对其识别性能进行了测试,正确识别率为87%。实验表明,用隐马尔可夫模型对舰船辐射噪声进行目标识别可以取得较好的效果。     

关联维估计在舰船辐射噪声特征提取中的应用

为有效利用舰船辐射噪声的混沌特性,提取其混沌特征来对目标进行分类识别,采用了一种集相空间重构技术和关联维数拟合估计为一体的系统的特征提取方案,并成功应用于对舰船辐射噪声的特征提取.首先采用平均互信法和虚假最近邻点比例确定混沌时间序列相空间重构两个重要参数,给出了关联维数的计算方法,并提出用最小二乘曲线拟合,准确估计出关联维数结果.通过不同类别一定样本数量的实测数据计算它们的关联维特征参数,仿真结果表明该方法提取的特征参量具有很好的可分性,为下一步对舰船目标的分类识别打下基础.     

浅海信道中舰船辐射噪声包络线谱传播特性

包络线谱是舰船辐射噪声的一个重要特征,反映了辐射噪声中低频线谱成分以及其他一些周期性对宽带连续谱噪声的调制效应,对包络谱线谱特征的提取分析,有利于目标信号的检测和识别.本文将舰船辐射噪声建模成为周期性局部平稳过程,在包络谱估计和包络线谱特性分析基础上,得到包络线谱高度等特征参数的具体表示,然后从传播过程中接收信噪比变化的角度,分析了包络线谱传播特性及其特征参数的变化.数值计算表明:从能量角度看,舰船辐射噪声中周期性局部平稳谱与平稳谱服从一样的传播规律,与通常的声场传播律一致;包络线谱高度的传播衰减取决于信噪比,信噪比较高时(正信噪比)它几乎保持不变,信噪比较低时(负信噪比)它按信噪比衰减规律下降;在浅海信道传播条件下,由于传播衰减较自由场情况要小,同样的包络线谱高度可以传播到更远的距离上.     

基于加窗Burg谱估计的船舶辐射噪声识别

船舶辐射噪声是非常复杂的,寻找新的特征是目前水下目标识别中的一项非常迫切而艰巨的任务。基于一般Burg谱估计原理提出了一种加窗Burg谱估计新算法。利用得到的加窗Burg谱特征矢量用支持向量机分类器和BP神经网络分类器对海上实测的三类目标噪声数据进行了分类识别,并与一般的Burg谱特征进行了对比。结果表明对三类目标的总体正确识别概率在93.21%以上,并且加窗Burg谱特征比一般的Burg谱特征具有更好的分类性能和抗噪性能,支持向量机的分类性能也优于BP神经网络的分类性能。     

海洋内波对辐射噪声传播的影响

应用抛物方程(PE)方法，对选定内波和覆盖舰船辐射噪声谱范围的不同声源频率所形成的水声场，用差分步进的方法进行了计算，采用了复变量、带状矩阵、在声源所处的断面利用Gaussian源的表达式和对网格大小的分析，使计算顺利进行。结果表明，内波的存在降低了声场强度，增大传输损失，因此内波对舰船辐射噪声的识别具有不可忽略的影响。     

舰船噪声能量分布及零交叉密度在听觉上的反映

采用功率谱计算和小波分解的方法，分析了不同类型舰船辐射噪声在能量分布及噪声信号在不同尺度上的零交叉密度，找到了二者与人耳进行听音识别感觉之间的联系，为人的听音经验转化为数字特征提供了客观依据。     

低频线谱检测ALE算法应用

 舰船辐射噪声在低频段具有稳定的特征信息丰富的线谱成分,此线谱成分的检测对水下目标的定位和识别具有重要意义.为了有效地将舰船辐射噪声特征线谱从宽带背景噪声中分离出来,应用ALE算法理论对舰船噪声信号进行研究.ALE算法作为自适应FIRDF算法的一种变形,是自适应噪声抵消器的典型应用.低频线谱检测中采用ALE算法无需参考信号,自适应地将线谱成分信号进行匹配,可以从宽带噪声中将线谱成分分离出来,且线谱成分明显增强.理论分析仿真结合实际海试数据对LOFAR谱图进行研究,结果表明,ALE算法在低频线谱信号检测中能够达到期望的效果.与常规方法相比,检测性能得到有效提高,有利于辐射噪声线谱的提取.     

基于非线性动力学理论的水下噪声非线性特性

以非线性动力学理论中的相空间重构理论为基础，利用延时法对水下噪声时间序列信号进行了相空间重构。并深入分析了延迟时间和相空间维数的确定原理，在重构的相空间中研究了舰船辐射噪声的非线性特性，利用相似序列重复度这一参数，绘制了舰船辐射噪声RPT曲经并分析了其非线性特性，通过对实测数据的计算表明，在重构相空间中辐射噪声具有不同于高斯白噪声和确定性信号的几何特性，不同类型目标具有可分性，能为水声目标识别提供一种新的思路。     

于相似序列重复度的舰船辐射噪声时域特性的研究

根据舰船辐射噪声的时域序列波形的特点，对其数据序列本身的局部相似性进行了研究，首先进行了相空间重构（维数为5，10，20，30，50）。接着在此相空间基础上，利用相似序列计算出重复度（RRPT）参数，绘制了舰船辐射噪声的重复度曲线并分析其特征，最后利用RRPT参数提取了数据序列的熵信息。实验表明重复度曲线和熵信息较好地反映了舰船辐射噪声的时域特征。     

基于CNN 和sEMG 的手势识别及康复手套控制

由于sEMG( Surface Electromyography) 对肌肉疲劳、不同患者以及电极位移等都非常敏感,设计一种可 靠、鲁棒的智能手部康复设备仍然是一项艰巨的工作。为此,提出一种基于深度学习的康复手势神经解码方 法,利用患者前臂的表面肌电信号,通过卷积神经网络( CNN: Convolutional Neural Network) 识别患者的手部运 动意图。通过组合特征提取方法,对8 通道肌电信号每个通道的信号进行组合特征提取,组合特征包括小波包 分解能量特征、时域特征和频域特征共32 个特征。将8 个通道特征组成一个8 × 32 的数值矩阵并进行灰度处 理成特征图,再用此特征图训练卷积神经网络,对5 种不同手势进行分类,分类器准确率达到98． 1%。最后通 过STM32 I /O 口根据分类结果输出对应的PWM( Pulse Width Modulation) 控制信号控制康复手套的动作,表明 了该方法的可行性,为深入研究康复手套运动控制奠定了基础。     

基于核主元分析的滚动轴承故障混合域特征提取方法

为有效利用时域、频域、时-频域中各类具有显著类别差异信息的非平稳统计特征,提高滚动轴承状态监测和故障诊断的性能和效率,提出一种基于核主元分析的混合域特征提取方法.通过对原始信号分别生成时域、频域状态特征,并利用多分辨率小波分解生成时-频域状态特征,构建出144个表征原始振动信号特征的混合域特征集.采用核主元分析方法对其中能敏感地反映故障特性的特征进行二次非线性特征提取,按累计贡献率大于90％的标准,选取前11个核主元作为主要特征量,将其输入支持向量机分类器进行状态识别.仿真结果表明:混合域特征集比单个特征、单域特征能更全面准确地反映故障特性,核主元分析方法能有效降低输入特征维数,并确保输出特征具有较高的反映轴承运行状态的敏感性和适于模式识别的可分性;与通常使用的基于小波分解的特征提取方法相比,本文方法能更加准确有效地提取不同运行条件下滚动轴承不同类型不同程度的故障特征.     

手写数字识别实验系统的研究

以无限制手写数字的机器自动识别系统的研究对象，旨在达到对书写人员、笔墨、纸张、字体大小、取向、位置不作限制，对常见书写风格均能识别。     

基于想象运动的ECoG频域模式滤波

皮层脑电图脑-机接口（electrocorticogram based brain-computer interface, ECoG-BCI）研究的关键是提取良好的特征获得理想的分类精度。在BCI实验中受试者作不同的想象运动时，特定频带ECoG的幅模具有均值和振荡程度的差异。针对ECoG多条频带的幅模－时间序列所构成的样本矩阵，本文提出新的频域模式滤波方法，通过联合对角化提取判别能力最强的特征向量，对样本矩阵进行滤波，提取滤波后幅模－时间序列的均值和标准差作为特征，最后用核Fisher判别式分类，在BCI2005实验I中仅用单个电极的ECoG获得了92%的分类精度。     

基于粗神经网络的语音情感识别

语音情感识别是从语音信号中提取一些有效的声学特征,然后利用智能计算或者识别的方法对话者的情感状态进行识别。介绍了国内外在该领域中关于语音情感数据库、特征提取、识别方法的研究现状。基于对该领域现状的了解,发现特征提取对识别率有着非常大的影响。录制了1050句语音,每句语音提取了30个特征,从而形成了一个1050×30的数据库。提出了用粗糙集理论中的信息一致性对数据库中的30个特征进行化简,最后得到了12个特征。用神经网络中的BP网络对话者的情感状态进行识别,最高识别率达到了84%。从实验结果发现不同的情感用不同的方法识别结果更好。     

Mel 频率下基于 LPC 的语音信号深度特征提取算法

针对传统语音信号二次特征提取方法在保证识别率的前提下,实时性较差的问题,提出一种Mel频率下基于线性预测系数(linear predictive coefficient,LPC)的改进的语音信号深度特征提取算法.该方法根据人耳的听觉特性把LPC在Mel频率下进行非线性变换,再进行微分、高阶微分和按比例重组等步骤,得到一种既考虑声道激励又兼顾人耳听觉的新特征参数,从而大大减少传统语音信号深度特征提取的计算量,在不影响识别效率的情况下,极大提高系统的实时性.最后,将该算法在智能轮椅平台进行有效性验证,大量实验表明,语音控制系统实时性差的问题在使用该算法后能够得到明显改善,该算法既保证了特征提取识别率,也有效地改善了系统的实时性.在一定程度上使语音控制智能轮椅更具实用性.     

基于融合特征提取与 LLE 方法的表情识别

为保证所提取特征表征作用的全面性, 提出一种基于几何特征和局部纹理特征相结合的特征提取方法。 将基于主动表观模型(AAM: Active Appearance Model)特征点标记提取的几何特征和基于局部二值模式(LBP: Local Binary Pattern)提取的眼部和嘴部纹理特征进行融合, 融合后的特征经局部线性嵌入(LLE: Locally Linear Embedding)方法进行特征降维, 并使用多分类的支持向量机(SVM: Support Vector Machine)进行分类识别。 该方法分别选取 JAFFE 数据集 7 类表情和小样本数据集 Yale 的 4 类表情进行实验, 识别准确率分别达到了 98. 57%和 91. 67%, 从而证明了该方法的有效性。     

工程图形扫描图像中的尺寸字符提取与识别

给出了一种提取与识别工程图形扫描图像中的尺寸字符的方法,提出了几种简便、易于抽取的字符结构特征,能有效地识别工程图形扫描图像中的手写字符.该方法已成功地应用到工程图形扫描输入后的智能识别软件CIRS5.0中,字符提取及识别率达到92%以上.     

新疆地方性肝包虫CT图像的灰度直方图特征提取与分析

 图像特征提取是图像识别、图像数据挖掘、基于内容的图像检索等工作的基础,是模式识别和分类中的关键问题。本文运用灰度直方图法提取新疆地方性肝包虫CT图像特征,对图像进行尺寸归一、去噪和增强的预处理,并对灰度直方图特征进行统计分析,用最大类间距法获取图像分类的主要特征,同时使用判别分析法对特征的分类能力进行评价。结果表明,灰度直方图法提取的特征在统计分析中存在差异,且提高图像分类的准确率,一定程度上有助于对肝包虫病CT图像进行分类和检索。     

基于稀疏编码的提取人脸整体特征算法

为了提高特征的分类效果 ,提出了一种新的基于稀疏编码的人脸特征提取方法。稀疏编码是去除图像冗余的一种有效方法 ,适于描述具有 non- Gaussian分布的图像集合。和基于主成分分析 (PCA )的传统方法相比 ,利用稀疏编码提取的特征具有更好的分类特性。根据稀疏编码的聚类特性 ,利用模糊 C均值聚类对稀疏编码基函数进行初始化以进一步提高特征的可分性。人脸识别的试验结果表明 ,该方法明显优于传统的“特征脸”方法 ,是一种有效的图像整体特征提取方法