基于Gammatone倒谱系数的直升机声信号识别

直升机辐射的声信号在空气中衰减速度慢、传播距离远,是直升机目标识别的主要依据.受人类听觉系统优异的声音信号识别能力的启发,提出了基于人耳听觉感知特性的Gammatone倒谱系数(Gammatone Cepstral Coefficients,GTCC)特征提取方法用于直升机声信号的识别.通过仿真实验,详细研究了参数设置对识别系统性能的影响,以及识别算法在噪声环境下的鲁棒性、对各种分类器的普遍适用性和相对其他特征提取方法的优越性,对实验结果给出了合理的解释.实验结果表明,所提出的方法能够根据声信号有效地辨识直升机的类别,具有很好的抗噪声干扰能力,有一定的应用前景.不同参数设置对识别性能的影响程度不同,其中窗函数长度、Gammatone倒谱系数特征数量和低频声信号对识别率的影响较大,而高频声信号对目标识别的影响较小.     

基于声信号分析的齿轮故障诊断方法

为了解决齿轮故障诊断中传统的声振信号分析方法容易受到周围设备及环境噪声干扰的问题,提出了一种独立分量分析和自相关分析相结合的齿轮故障诊断方法.首先用独立分量分析分离特征信号和干扰信号,然后用自相关分析提取特征信号中的周期成分.实验结果表明,该方法可以有效地提取在强背景噪声干扰下的齿轮故障特征.     

基于短时相关性和极值点的语音边界检测

针对基于短时能量和过零率相结合的语音边界检测法在实际应用中的不足，提出了一种改进方法——基于短时相关性和极值点的语音边界检测法，并在MATLAB环境下进行实验测试，在语音客观评价及语音识别算法中取得了良好的效果．     

基于短时相关性和极值点的语音边界检测

针对基于短时能量和过零率相结合的语音边界检测法在实际应用中的不足,提出了一种改进方法——基于短时相关性和极值点的语音边界检测法,并在MATLAB环境下进行实验测试,在语音客观评价及语音识别算法中取得了良好的效果．     

声信号时延的倒谱相关分析

介绍了作者发明的一种新的广义相关算法，介绍了该算法引入的思路，分析了该算法优于传统相关算法的几个主要原因，该算法将相关分析和倒频技术有机地结合起来，融两种分析方法的优点于一身，使传统相关函数分析方法无法分辨的时延峰在该算法中也能清楚地呈现，实验和理论表明该算法有着广泛的应用前景。     

基于频域去相关的语音信号分离

目前基于纯净语音信号的语音识别系统和说话人识别系统都已达到了很高的识别率,但是当信号中含有噪声,特别是含有语音噪声时,识别率就会大大降低.解决这一问题的关键是实现语音与噪声的自动分离.考虑到语音信号的非平稳特性,把时域去相关的思想推广到频域,提出了频域去相关算法,实验结果显示了算法的有效性.     

自相关函数分析在声源识别中的应用——对迪斯尼动画声和枪击噪声的分析

由于源自自相关函数（ACF）的各个参量与对声音的主观评价有密切的相关关系，因此，应用ACF参量来进行声源的识别和确定是有效的方法．文中首先对枪击噪声的ACF进行分析，对于类似枪击噪声这种具有广谱且谱的峰值不明显的脉冲声信号，很难分析其声音的特征，不过，其ACF参量仍然可用以辨明其声信号的特征．1974年，前韩国总统夫人在国立剧院庆典会上被枪杀，人们公认那致命的枪击乃谋杀者所为，然而现在有一位教授借助于“传统”的声学分析方法声称第一夫人是被她的卫兵所误杀．笔者的ACF分析提供的事实揭示了究竟是哪个枪声击中了她．同时，对汽车的声音也通过ACF参量加以分析．文中对利用ACF分析辨认汽车声的过程加以简要的介绍．此外，作为一个例子，通过迪斯尼电影空白处动画汽车声的分析，表明每种汽车的引擎声都类似于相应演员的嗓音．     

生理声信号分析的进展

生理声信号分析的进展ＰｒｏｇｒｅｓｓｉｎＰｈｙｓｉｏｌｏｇｉｃａｌＡｃｏｕｓｔｉｃＳｉｇｎａｌＡｎａｌｙｓｉｓ￥／／徐泾平（西安交通大学生物医学工程与仪器系，博士研究生西安７１００４９）程敬之（西安交通大学生物医学工程与仪器系，教授西安７１００４９）...     

重影消除基准（GCR）信号的研究

本文通过实际计算，对重影消除基准信号（ＧＣＲ）的各个参数选取及信号具有的各种特性进行了详细的讨论，从而提出了适合于ＰＡＬ－Ｄ制式的ＧＣＲ信号     

计算机实现随机音频信号识别

分析了利用自相关函数法实现快速识别随机音频信号,介绍一种用计算机实现随机音频信号处理与模式识别的硬件结构和程序设计。     

心音信号特征分析与识别方法研究

心音信号是心脏及心血管系统机械状况的反映,是包含了人类心脏各部分的生理和病理信息的重要信号。目前通过心音信号诊断疾病的方法主要是人工听诊,如果能够研究出一套行之有效的算法对采集到的心音进行自动识别分类,当发现病变的心音时能自动做出判断提示甚至发出报警信号,这对心脏疾病的临床研究具有极其重要的研究价值。针对以上所述通过以下几个方面对心音信号进行研究:采用HKY-06B心音传感器采集心音信号,通过Cool Edit Pro2.1录音软件实现对心音信号的格式转换和储存、通过小波分析法对心音信号进行预处理、运用Mel频率倒谱系数对心音信号进行特征提取以及利用高斯混合模型对心音信号进行识别。通过预处理、特征参数提取等步骤后,建立GMM,将采样信号输入GMM心音模型库进行识别,能够准确判断心音是正常心音还是病理性心音。     

信号循环谱在衰落与多普勒信道中的特性

 基于信号循环谱特征的频谱感知方法是认知无线电系统频谱感知的关键技术之一,信号的循环谱特征是研究该感知方法的基础.基于调制信号的循环谱理论,研究多径衰落和多普勒频移条件下无线调制信号的循环谱特征,并进行仿真验证.分析和仿真表明,多径衰落使信号循环谱的幅度和相位发生了改变,但没有影响信号的循环频率.而多普勒频移不但展宽了信号的频谱,同时造成信号的循环频率在某些地方发生了偏移,在非循环频率处,也出现了明显不为零的成分.这对基于循环谱特征检测的认知无线电频谱感知与信号检测具有重要的参考价值.     

采用频带能量进行ECoG信号的特征提取

对于典型的采用皮层脑电图的脑-机接口系统,测试者想象左手小手指或舌头运动,提出了采用频带能量的特征提取方法.首先,把频带能量作为特征,进行导联的选择,从64导联中获取特征最明显的11导进行分析;然后采用频带能量进行皮层脑电图信号的特征提取,并利用主分量分析进行降维;最后采用Fisher线性判别分析进行两类意识任务的分类.离线分析结果表明,该方法对测试数据取得了很好的分类准确率.     

基于小波方差的运动想象脑电信号特征提取

针对区分两种不同运动想象(想象左手运动和想象右手运动)的脑-机接口任务,提出了以小波方差作为分类特征的方法.首先深入研究了小波变换以及小波方差的计算方法,结合验证脑电图(EEG)存在的ERD/ERS现象,然后利用小波分解系数方差对C3,C4导联脑电信号进行特征提取,最后采用最简线性分类器进行分类,采用分类正确率作为主要评价标准.结果表明,最大分类正确率为85%,最佳分类时间段为4~6.5 s.与BCI竞赛和其他方法相比,在保证分类正确率的前提下,所使用的特征提取和分类方法更加简单,具有较高的参考价值.     

语音信号基本载体的研究

语音信号特征的提取是语音识别的基础，目前使用的特征提取方法要将语音信息经多次复杂变换后提取特性。这样，往往满足不了实时性要求。该文对原始语音信号做简单处理，的实验，证明了经简单处理后语间信号波形比原始波形简单，直观，计算频域特征和自相关特征等简单方便，实时性好，并有望从中进一步发现新的语音特征提取方法。     

一种电流弱信号特征提取方法

针对数控机床主轴电流分析中微弱电流信号被噪声淹没的问题,提出了一种将调制随机共振和D-J阈值噪声估计技术用于电流弱信号的特征提取方法。利用调制随机共振技术获得了微弱电流信号的特征频率,在频域上采用D-J阈值收缩方法对所测得的电流信号进行噪声估计,从中分离出有用信号,并根据随机共振原理对该有用信号进行了幅值估计。仿真和实验结果表明,该方法可以对数控机床主轴电流信号中的微弱电流特征信号进行频率识别和幅值估计,克服了传统电机电流分析方法无法识别微弱电流信号的缺点,能够准确地提取出微弱电流信号中的特征频率,可对微弱特征信号进行比较准确的幅值估计,因此具有较强的工程实用价值。     

基于非线性特征提取的EEG信号支持向量分类器

为提高癫痫脑电(EEG)信号的正确识别率,设计了一种基于非线性特征提取的EEG信号支持向量分类器.分类器首先将EEG信号通过四层小波包变换分解到不同频段,然后计算各频段小波系数的近似熵(ApEn)值,作为特征向量,最后使用支持向量机(SVM)进行分类.实验结果显示该分类器能有效提高正确识别率.     

微弱脑信号专注度特征提取与识别

目前基于脑机接口的脑电信号研究得到越来越广泛的关注,然而传统脑电信号采集需要使用电极帽并涂抹胶泥膏而不被大多数用户所接受。因此,将研究使用无需涂抹胶泥膏的独立电极采集脑电信号,然而使用独立电极采集脑电信号容易出现干扰大、信号不稳定等缺陷。为了快速有效提取脑电信号特征并克服独立电极采集脑电信号的缺陷,将采用低通滤波方法进行工频干扰的滤除,利用独立成分分析(ICA)实现脑电信号中的眼电伪迹分离,并在此基础上通过设置水平眼电和垂直眼电阈值以及各个独立成分在脑部位置的空间分布特性实现眼电伪迹的识别。最后,分别利用β波能量以及样本熵来衡量人脑专注度的高低,仿真结果表明两者均与专注度成正相关,实验以Neuro Sky专注度为基准,将两种算法分别与其进行对照。此外,样本熵与Neuro Sky算法的相关度比β波能量法提高了26%,说明样本熵专注度提取算法更能精确跟踪人脑注意力的变化,对脑电信号专注度的衡量与实际更加吻合。     

情感识别中脉搏信号的特征提取与分析

应用Coiflet 1小波对脉搏波信号进行小波变换,利用重构的小波第三层高频信号的极大值来确定原始信号主波峰值的范围,进而定位原始信号主波峰值的位置并以此位置为参照点确定潮波、重搏波峰值的位置,在此基础上提取脉搏信号的时域特征,对情感状态进行分类.实验结果表明,脉搏率均值等特征对悲伤、愤怒和恐惧3种情感的总体分类正确率均能达到65%以上.     

计算机在动物鸣声分析中的应用

本文简要地总结了应用计算机技术研究动物鸣声的方法,概括了这种方法的基本原理,并使用这种方法,分析了一种昆虫鸣声的特性。长瓣草螽Conocephalus gladiatus redt。这种昆虫鸣声的主能峰频率约为60Hz,次能峰频率为200Hz,脉冲持续时间约为180ms,脉冲间隔为136ms。