基于时频信息提取的两自由度时变模态参数识别方法

通过对非线性结构响应的Gabor小波谱进行重排,从中提取出反映系统频率的时频脊线,由脊线得到非线性结构的瞬时频率和幅值,进而识别出结构响应信号的骨架曲线.对1个两自由度结构的算例分析表明:通过重排谱和脊线能较理想地识别出系统的时变频率和骨架曲线,脊线的方法比常规的优化方法简便.     

损毁成年白腰文鸟前脑界面核对鸣曲复杂性的影响?

双侧电损毁成年雄性白腰文鸟(Lonchura striata)界面核NIf(nucleus interfacialis nidopallii),比较损毁前后鸣曲声谱的结构变化以及对声谱参数进行分析,以了解NIf损毁后对鸣唱行为的影响.结果显示:1)短语层面(phraselevel)上发生了长期的简化,音节出现变形并且趋向于同一种音节,音节有严重缺失;2)损毁30d后非典型鸣曲出现大量缺失或缩短,其中部分非典型鸣曲的时长变短并且音节也出现变形;3)损毁后鸣曲音节噪音化,参数中平均频率升高,熵值降低.以上结果表明,损毁NIf显著降低了白腰文鸟鸣曲的复杂性,提示NIf在复杂鸣曲的维持中有重要的生理功能.     

脐动脉音频多普勒信号特征分析方法的比较研究

提出了一种利用Teager算法对脐血流音频多普勒信号进行特征分析的方法，并将它同现有的一些脐血流音频多普勒信号分析方法进行比较。这些方法包括：传统的声谱参数法及以前提出的零极点模型法及分形分析法。通过对66例胎儿脐血流音频多普勒信号的分析研究表明：这几种方法对胎儿宫内异常等疾病均具有一定的敏感性，且各有其优缺点。     

笼养状态下白领凤鹛声行为的初步研究

2006年12月-2007年7月,对从四川省成都市鸟市购买的8,只（4♀,4♂）野外白领凤鹛（Yuhina diademma）的鸣声与行为进行了记录观察,并对主要日常鸣声进行了声谱分析．其结果表明：自领凤鹛具有恫吓、报警、惊叫、召唤、求救、采食、飞行、应答和求偶炫耀等9种鸣声;日常的鸣声主要以采食、飞行和召唤3种声音为主,惊叫、召唤和求救3种鸣声常常连续发生．本文通过白领凤鹛的鸣声与行为之间的联系,初步探讨了其鸣声的生物学意义．     

基于波形评价准则和遗传算法的ISAR谱拼接方法

阐述了基于距离多普勒算法的线性调频信号体制逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像原理和间断信号相位补偿原理,在此基础上,针对ISAR谱图特性提出了一种利用波形评价准则和遗传算法进行相位近似补偿的谱图拼接处理方法,并进一步利用拼接后的谱图实现最终的ISAR成像。仿真实验结果表明,该谱图拼接方法简单易行,且可以明显改善ISAR成像效果,具有一定的实用性。     

基于输出的语音质量客观评价方法研究

在分析语谱图基础上提出了一种基于输出的语音质量客观评价方法－度量语亦图密度分布特征MDCSD（Measuring Distribution Characteristics of Spectrogram Density) 方法。该方法通过计算功率谱二维联合概率分布特征来描述不同质量语音信号的语谱图特征,并以此来对语音质量进行了客观评价,实验结果表明该方法是一种性能良好的基于输出的客观评价方法,其评价结果与主观评价的相关度达到0．8左右。     

基于AlexNet模型的佤语语谱图识别

针对佤语语谱图的识别无需考虑清、浊音的影响这一特征.利用傅里叶变换将佤语转换为对应的语谱图信息,将深度卷积神经网络的AlexNet模型用于佤语语谱图识别.实验表明,语谱图识别可以有效解决语音识别过程中清、浊音对实验识别结果的干扰,实验准确率达到96%.     

基于时频域特征的场景音频研究

随着人们对于场景音频研究的逐渐深入,现有的分析方式由于存在不能完整反映音频的声学特性等弊端,已经无法满足人们的需求。基于时频域特征的分析方式可以很好地解决这一问题,即通过提取场景音频的语谱图,使待分析信号中包含的声学事件得到完整保留,使其表现得更加直观。语谱图中包含着丰富的纹理信息,选取不同窗长,可分别得到场景音频的宽带语谱图和窄带语谱图。对比实验表明,窄带语谱图可以更好的反映出待分析信号中所包含声学事件的趋势、连续性及分布特征。因此对场景音频进行时频域特征分析更适合使用窄带语谱图。     

基于肺音谱图Hough变换的喘鸣音识别方法

提出了一种基于Hough变换从肺音的STFT光谱图中检测喘鸣音的方法.这一方法先对采集的数字肺音数据的STFT谱图进行ROI区域的截取,再利用Canny算子进行图像边缘检测,最后基于Hough变换数据的分析来自动识别喘鸣音.临床分析的数据包括临床采集的肺音和国际上共享的肺音文件.Hough变换检测方法在60例喘鸣音的检测中达到了87%的准确率,70例正常呼吸音的识别率达到74%.