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。     

一种新的减少交叉项的时频分布分析

针对时频分布中的交叉项问题,引入了重排理论,结合魏格纳——霍夫变换,提出了一种新的减少交叉项的方法——重排魏格纳-霍夫变换,实验验证该方法在抑制交叉项和提高时频分布检测性能方面的有效性。     

一种跳频信号跳周期联合估计算法

针对通信对抗中的实际应用,给出了一种联合算法估计跳频信号跳周期,与传统跳周期估计方法不同,该方法通过对信号进行谱图重排变换,然后提取时频脊线并对其进行小波变换,精确定位跳变时刻,最后得到跳周期的准确估计。仿真结果表明,该方法具有较好的抗噪性能,在信噪比大于-1db时能得到准确的参数估计。     

时频分析在语音信号处理中的应用

时频分析技术是近年来信号处理等领域一个新的研究热点。首先介绍了时频分析技术中的Winger-Ville分布和重排理论两种方法。然后应用这两种方法对去噪的语音信号进行时频分析处理。通过仿真结果表明,将重排理论应用于语音信号处理,能明显改进时频表示的可读性,更有效地识别信号和提取信息。     

螺旋桨加速状态下空化噪声的调制特性与分析方法

研究船舶螺旋桨处于加速或减速状态下,其空化噪声幅度受到变化的旋转频率调制的特性,有助于从噪声信号中提取进出港船舶的机动特性.从空化噪声随相位周向变化的视角分析了螺旋桨处于加速旋转状态下噪声信号的调制特性,并说明了桨叶间空化均匀性对调制特性影响的原理.进而提出了基于Hough变换和二值化DE-MON谱图的分析方法,用于估计螺旋桨的加速度参数,并运用该方法分析了水洞实测噪声数据.仿真结果验证了此分析方法的合理性.     

利用元素录井资料的随钻岩性判别方法

针对综合录井过程中微细岩屑识别岩性困难的问题,利用X射线荧光(XRF)测量的微细岩屑中的元素含量、谱图和测井资料,对随钻录井岩性判别方法进行研究。结果表明:XRF测量的元素含量与岩屑中矿物含量具有相关性,Si、Al、Fe等元素含量与自然伽马测井曲线存在相关性;通过XRF测量数据可计算岩屑中的砂泥质含量,并可用于判别砂泥岩剖面的岩性;相同岩性的XRF谱图具有相似性,利用这种相似性可判别岩性。现场资料验证结果证实了综合判别法可提高岩性判别符合率。     

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%.