检索结果-南通市图书馆

农业机械学报 2019年第3期50卷 186-195页

作者：岳学军凌康杰王林惠岑振钊卢杨刘永鑫华南农业大学电子工程学院广州510642

针对传统柑橘叶片钾含量检测方法耗时费力、操作繁琐且损伤叶片等弊端,引入高光谱信息探索柑橘叶片钾含量快速无损检测与预测模型,选用ASD Field Spec 3光谱仪采集柑橘4个重要物候期(萌芽期、稳果期、壮果促梢期和采果期)的叶片反射光谱... 详细信息

针对传统柑橘叶片钾含量检测方法耗时费力、操作繁琐且损伤叶片等弊端,引入高光谱信息探索柑橘叶片钾含量快速无损检测与预测模型,选用ASD Field Spec 3光谱仪采集柑橘4个重要物候期(萌芽期、稳果期、壮果促梢期和采果期)的叶片反射光谱,同步采用火焰光度法测定叶片的钾含量;先用正交试验确定小波去噪的最佳去噪参数组合,再进行不同光谱形式变换,对不同物候期光谱进行基于堆栈稀疏编码机-深度学习网络(Stacked sparse autoencoder-deep learning networks,SSAE-DLNs)的特征提取迁移和融合多种特征,对比支持向量机回归、偏最小二乘法回归、广义神经网络、逐步多元线性回归等多种诊断模型,结果表明,模型SSAE-DLNs基于一阶微分光谱特征建立全生长期钾含量预测模型的性能最优,其校正集和验证集决定系数分别为0. 898 8、0. 877 1,均方根误差分别为0. 544 3、0. 552 8。试验表明,深度迁移学习网络可对柑橘叶片钾含量进行精确预测,为高光谱检测技术用于柑橘树长势监测和营养诊断提供了参考。

关键词：柑橘叶片钾含量深度迁移学习堆栈稀疏自动编码机高光谱支持向量回归

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的语音激活检测算法研究

基于深度学习的语音激活检测算法研究

引用

作者：刘珂西安电子科技大学

学位级别：硕士

语音激活检测是一种在有无背景噪声干扰的情况下,对语音信号中语音段的起始点和结束点进行标记的技术,它是各类语音处理系统中重要的预处理环节。深度学习是一种采用多层次非线性变换进行信息提取的技术,通过其多层次结构模型挖掘海量... 详细信息

语音激活检测是一种在有无背景噪声干扰的情况下,对语音信号中语音段的起始点和结束点进行标记的技术,它是各类语音处理系统中重要的预处理环节。深度学习是一种采用多层次非线性变换进行信息提取的技术,通过其多层次结构模型挖掘海量数据的本质特征。随着它的迅速发展,深度学习已被广泛应用到语音处理的各个方面,并取得了很好的效果。所以,基于深度学习技术对语音激活检测进行研究具有一定的理论意义和实用价值。传统的语音激活检测算法原理简单易懂、运算量小、容易用硬件实现,在无噪音污染的环境中有较高的检测准确率,但是在许多噪音环境下效果很差。为了提高低信噪比下语音激活检测的准确率,本文首先对现有检测方法进行研究分析,然后使用一些深度学习算法提取语音参数的深层特征,最后设计了一种基于深度学习方法的VAD算法。该算法以多维语音特征参数为输入,并且充分运用深度置信网络和堆栈稀疏自动编码机作为深度学习模型。（1）提取多维语音特征参数。语音特征参数的优劣直接影响语音激活检测的性能,为了避免单一特征参数对检测的不良影响,本文深入分析G.729B语音编码标准和AMR-NB语音编码标准中的VAD算法,提取G.729B中VAD算法的线谱频率、全带能量、低频能量和短时过零率四个参数,AMR-NB中VAD算法的信噪比之和、音调、基音、复杂信号四个参数,进行归一化处理,作为本文算法的语音特征参数。（2）基于深度学习的算法。本文在对受限玻尔兹曼机、自动编码机、卷积神经网络、循环神经网络四种经典深度学习模型进行分析的基础上,借助Matlab软件平台构建了基于多维语音特征的深度置信网络和堆栈稀疏自动编码机,分别利用有监督和无监督的训练从原始特征中提取深层次的特征信息。最后通过Softmax分类器进行语音帧和噪音帧的判决。为了验证本文算法的性能,在TIMIT语音库和NOISEX-92标准噪音库上进行了语音激活检测实验。实验结果表明,与G.729B和AMR-NB两种编码算法中语音激活检测算法相比,本文设计方法提高了低信噪比下的检测准确率。此外,针对基于堆栈稀疏自动编码机的方法进行了噪音适应性实验,结果表明即使在陌生噪音条件下,该算法仍能取得较高的检测准确率。

关键词：语音激活检测深度学习深度置信网络堆栈稀疏自动编码机

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：