多抽样率分析在柴油机气缸压力神经网络识别中的研究

利用柴油发动机缸盖振动信号识别气缸压力，对于柴油机故障诊断及运行状态监测是一个重要的环节，近年来，此类研究引起了相关学科的极大兴趣。在利用径向基神经网络对柴油机气缸压力的识别中牵涉到在一个周期内的采样点数的不同，极大地影响了在不同转速下识别气缸压力的适应性。因此，提出多抽样率分析，即根据缸盖振动信号的频带宽度，通过对原始信号的插值和抽取改变抽样频率，实现不同抽样点数的神经网络运算。     

基于多分类器的牌照字符识别算法

通过对牌照特征及已有识别算法进行分析,提出了基于多分类器-模板匹配与支持向量机相结合的牌照字符识别算法。首先利用模板匹配进行粗分类,将多类问题转化成两类问题,再利用支持向量机进行精确分类。在模板匹配环节,使用灰度分布标准化,增加字符与模板的相似度。在Virtual Studio环境下进行测试,结果表明:与单一分类器相比较,该方法的识别精度与识别速度都有了很大的提高。     

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。     

单通道的语音盲去混响

针对单通道的语音盲去混响研究中存在的问题，提出了一种盲去混响的方法.首先对语音信号进行可变长度的分段，然后采用复倒谱技术，对房间声学冲激响应进行预估计，得到去混响的初始解，并以此作为盲解卷积算法的初始解进一步去混响.仿真和实验表明，该方法具有很好的去混响效果.     

基于深度卷积神经网络和局部敏感哈希的图像检索

网络图像资源增长迅速,如何实现快速有效的大规模图像检索,成为当前研究的热点之一。深度神经网络对图片特征有很强的表达能力,利用典型深度卷积神经网络VGG16在预训练完成的模型上使用网络全连接层的输出提取待检索图像数据集的特征以建立索引,并采用局部敏感哈希算法提升检索速度,以端到端的形式,完成基于内容的图片检索任务。这种图像检索模型提供了一种在计算资源有限情况下实现大规模图像检索的有效方法。