基于改进线性预测基音频率的语音情感识别系统

针对目前常见的语音特征提取方法应用于真实环境中,所提取的语音特征包含有噪声干扰的问题,进而导致情感识别时出现的分类模糊化情况,为此提出一种新的语音特征提取方法,即线性预测基音频率特征提取方法。它主要是基于线性预测系数来构建模型,利用构建的模型消除声道响应信息以及抑制噪声干扰。由于此方法对于分类模糊化问题没有得到较好改善,利用模型相同的LPCMCC(LPC Mel cepstral coefficients,LPC美尔倒频谱系数)来对线性预测基音频率进行改进,并设计基于线性预测基音频率、其改进特征、LPCMCC与SVM(support vector machines,支持向量机)的语音情感识别对比实验。对比实验表明,此改进特征提取方法应用在情感识别领域的平均精度最高为84%,比线性预测基音频率和LPCMCC要高出22%、14%。为了测试此改进特征在真实环境中的分类效果,在此改进特征的基础上设计了一种基于MATLAB GUI技术的语音情感识别系统。实验结果表明这种新的改进特征能有效改善情感识别时出现的分类模糊化情况,基于此改进特征的语音情感系统能广泛地识别出噪声干扰下的说话人情感。     

芜湖河道浮游植物功能群分布及其与环境因子的关系

为研究城市河道浮游植物功能群组成及分布特征、环境因子对功能群的影响,鉴定芜湖三条城市河道中浮游植物种类并划分了功能群,分析浮游植物功能群分布特征,利用冗余分析研究环境因子与功能群间的关系。结果表明,研究区共鉴定出浮游植物47种,隶属6门32属,以硅藻、绿藻为主。研究区浮游植物可划分出C、P、MP、W2、E、X1、W1、X2等8种代表性功能群,三条河道代表性功能群分布呈现明显差异,中央城河道、汇成河道、中山南路河道主要代表性功能群分别是C+P+MP+E、C+X1、W1+E+X1+C,适应一定富营养化、有机质充足水体环境的功能群出现在各河道,表征了芜湖三条河道呈现不同程度的富营养化。溶解氧、总磷、总氮、氨氮是影响浮游植物功能群分布的主要环境因子。研究表明,芜湖各河道主要代表性功能群与氮、磷呈正相关,控制氮、磷外源输入并降低水体氮、磷含量对控制河道富营养化具有关键作用。     

无环境阻力的尖端生长型软体机器人研究综述

尖端生长型软体机器人是一类新型的软体机器人,其制作简单、成本低,通过压力驱动主体外翻实现机器人的"生长",且具有运动过程中无环境阻力的独特优势,在诸多领域有着广阔的应用前景.目前,机器人的变刚度控制、大范围变形检测及精准控制是软体机器人存在的三个主要问题.围绕提出的软体机器人存在的三个主要问题,从机器人灵感来源、基本结...     

大型LNG接收站环境风险评估体系构建

LNG接收站的主要环境风险为介质污染,通过构建LNG接收站环境风险评估体系,从规划建设、周边环境、功能分区、运营管理、应急处置等5个维度筛选23项指标因素,运用G1模型为各项指标赋权,建立LNG接收站环境风险综合指数计算模型和评估准则。以广东省某LNG接收站为例,评估结果表明总体环境风险为一般等级,LNG储罐区环境风险达到较大等级,验证了本研究提出的LNG接收站环境风险评估体系及其计算模型具有较好的可操作性和有效性。     

红壤区橘园与花生地土壤温湿度变化及物理环境因素影响

在实测数据基础上,利用数理统计及冗余分析方法(RDA)分析了橘园与花生地土壤温湿度时空变异特征,结果表明:1橘园、花生地土壤湿度均呈现明显的季节变化,且变化趋势基本一致,但是不同深度的变化幅度各有不同;2土壤湿度除了受降水因子影响外,在未降水时段内还受气温、相对湿度、太阳辐射等因子的控制;3土壤温度随着土层深度加深,其季节变化趋势越来越平缓。在一天内,不同土层变化幅度以及出现极值的时间均不同,橘园出现极值的时间比花生地晚半到1 h;4影响土壤温度的环境因子有气温、太阳辐射和相对湿度,其中太阳辐射对花生地土壤温度的影响更大,且土壤表层最易受到气温、太阳辐射和相对湿度的影响。     

次声台站环境背景噪声源特性分析

气象要素是影响次声台站背景噪声建模的重要因素,为确定各气象要素对模型的具体影响,探明次声台站环境背景噪声的产生根源,采用研究均方根值、功率谱密度对比分析的方法对国际次声台站I34的次声数据和气象数据进行了处理和分析,分析了各气象要素产生台站环境背景噪声的原因。结果表明:风速、风向、温度和压强为影响次声台站环境背景噪声的主要因素,其中风速对背景噪声的影响程度最大。分析结果可为次声台站背景噪声建模提供理论依据。     

不同应力水平下预应力钢筋砼梁发射特性研究

在试验基础上,得出声发射参数(事件个数及幅值)、幅值与频数的关系与应力水平有着一定的联系,可以根据变化规律推断梁受载水平。对各阶段声发射最大值波幅值作FFT(傅里叶变换)分析,得出中心频率与应力水平之间的相关性;并且能通过同一时间四个通道接收到的四个信号FFT变换之间的大致判断声发射源的位置;同时对试验过程中影响声发射信号主要的噪声源作频谱分析,可利用一定手段加以去除。     

模糊大脑情感学习的自适应噪声抵消方法

提出一种以模糊大脑情感学习(fuzzy brain emotional learning, FBEL)模型作为自适应噪声抵消器的噪声抵消方法,应用于信号处理问题。该方法通过FBEL模拟经非线性通道传输后的噪声信号,将噪声信号从含噪信号中过滤掉,达到消噪的目的;根据自适应学习算法,利用奖励信号和梯度下降法对FBEL模型的权重及参数进行在线更新,以适应噪声的变化。选取均方根误差和计算时间2个性能指标,采用自适应噪声抵消方法在不同网络中进行仿真比较,结果表明,应用该方法可以获得更好的滤波性能。     

OFDM系统中简单高效的时间同步算法

提出一种新的正交频分复用（OFDM）系统中的最大似然时偏估计算法．该算法在高斯加白噪声（AWGN）信道和多径衰落信道2种环境下与H．Minn的算法基于估计的均方误差进行了性能比较．提出的算法由于在高信噪比的情况下不存在性能下限,因而即便是在多径衰落环境下仍能保证较高的估计精度和较低的运算复杂度．     

微型客车表面噪声源的识别

在某微型客车的车外加速噪声控制研究中,运用声强测量原理对某微型客车的表面噪声进行了声强测量,得到了该车的表面辐射噪声的声场分布．综合运用声功率分析方法、声强等高线图分析方法以及频谱分析方法,对其表面辐射噪声进行了声源识别和研究,确定了其主要噪声源是发动机噪声和排气噪声,而车身振动噪声、轮胎噪声、传动系噪声、进气噪声对整车表面辐射噪声的贡献较小．为确定该车车外加速噪声控制的研究重点提供了有效的参考依据．