检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于MP算法汉语声母时频特征提取的研究

基于MP算法汉语声母时频特征提取的研究

作者：董帅飞江南大学

学位级别：硕士

语音是人类相互之间进行交流时使用最多、也是最重要的信息载体。汉语音节由声母、韵母和声调构成，声韵结构是汉语音节特有的结构。汉语声母全部为辅音，具有激励类似高斯白噪声、波形变化剧烈、易受噪声污染的非平稳特性。时频分析方... 详细信息

语音是人类相互之间进行交流时使用最多、也是最重要的信息载体。汉语音节由声母、韵母和声调构成，声韵结构是汉语音节特有的结构。汉语声母全部为辅音，具有激励类似高斯白噪声、波形变化剧烈、易受噪声污染的非平稳特性。时频分析方法是研究非平稳信号的有力工具，短时傅里叶变换时频分辨率不能自适应改变、魏格纳-威利分布存在交叉干扰项的缺陷。本文利用匹配追逐(Matching Pursuit，MP)稀疏分解对汉语声母进行原子参数化时频特征提取，具体研究工作如下：首先，研究了基于Chirp原子的汉语声母MP时频特征提取。采用过完备Chirp时频原子库，利用MP分解的原子伪魏格纳-威利分布累加稀疏表示了汉语声母的时频分布，迭代阈值为声母能量的90%，经过MP稀疏分解后的Chirp原子时频重构有效抑制了交叉干扰项，与利用Gabor原子分解相比，更加精细的刻画了声母时频能量分布。其次，研究了基于发声机理的汉语声母时频特征提取。综合汉语声母发声方法和发声部位的不同，将汉语声母分为浊辅音、塞音、塞擦音、擦音四类，采用时频平面具有较好局部性的Morlet小波、Gabor及Chirp原子三种时频字典，分别对四类声母进行了MP时频特征提取研究。仿真实验表明：对于具有谐波性的浊辅音，Gabor原子利用原子个数及耗时均较少;对于清辅音中的塞擦音和擦音，Chirp原子利用原子个数约为Gabor原子的90%、分解过程中残差能量衰减速度也优于Gabor原子。最后，研究了基于人耳感知的汉语声母MP时频特征提取。针对汉语声母激励类似高斯白噪声、极易受噪声污染的实际情况，文中选取半ERB尺度的Gammatone滤波器组人耳感知模型，改进了频带尺度选择方式，在信噪比40dB高斯白噪声环境下，对滤波之后的声母信号利用原子MP稀疏分解进行时频特征提取研究。仿真实验表明：40dB噪声环境下，两种原子均较好的重构了原始信号的时域波形：对于塞音p，第一帧中Gabor原子个数少于Chirp原子，从三帧分解的整体数据来看，Chirp原子使用原子个数为Gabor原子的94.74%;对于浊辅音r，Gabor原子使用个数及分解时间均较少。

关键词：汉语声母时频特征提取 MP稀疏分解发声机理人耳感知

基于时频特征提取与神经网络的齿轮箱故障诊断

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

机电信息 2016年第12期 68-69页

作者：贺妍马维金刘迎各张纪平中北大学机械与动力工程学院山西太原030051

齿轮箱是机械设备中非常重要的传动机构,其振动信号中包含齿轮箱运行状态的信息,当齿轮箱发生故障时,其振动信号特性也必然会改变。现以齿轮箱为研究对象,搭建了齿轮箱故障诊断实验台,对常见的五种齿轮箱故障进行了模拟,然后利用时、频... 详细信息

齿轮箱是机械设备中非常重要的传动机构,其振动信号中包含齿轮箱运行状态的信息,当齿轮箱发生故障时,其振动信号特性也必然会改变。现以齿轮箱为研究对象,搭建了齿轮箱故障诊断实验台,对常见的五种齿轮箱故障进行了模拟,然后利用时、频域分析方法对所测得的振动信号进行特征提取,建立了拓扑结构为11-10-4的BP神经网络的齿轮箱故障诊断系统,并构建训练样本和测试对BP网络进行训练和测试,诊断结果表明,所构建的网络对齿轮箱的复合故障诊断正确率在97.8%以上。

关键词：齿轮箱故障诊断时频特征提取 BP神经网络

在线全文

学校读者我要写书评

暂无评论

雷达对抗侦察信号时频特征提取方法

电脑知识与技术 2019年第6X期15卷 302-304页

作者：陶鹤丹王红军海军大连舰艇学院

信号特征提取是完成雷达对抗侦察辐射源识别与威胁判断的主要方法,所以对信号特征提取方法进行分析与仿真十分重要。结合雷达对抗侦察的工作需求、实际工作内容与工作环境分析了快速傅里叶变换方法、小波分析方法对信号时频特征的提取过... 详细信息

信号特征提取是完成雷达对抗侦察辐射源识别与威胁判断的主要方法,所以对信号特征提取方法进行分析与仿真十分重要。结合雷达对抗侦察的工作需求、实际工作内容与工作环境分析了快速傅里叶变换方法、小波分析方法对信号时频特征的提取过程,并且进行了对比。最终得到了典型雷达信号的时频特征提取仿真结果,可以准确完成信号识别。

关键词：雷达对抗侦察时频特征提取雷达信号仿真

基于时频综合特征提取与BP神经网络的齿轮箱故障诊断研究

在线全文

学校读者我要写书评

暂无评论

基于时频综合特征提取与BP神经网络的齿轮箱故障诊断研究

作者：刘迎各中北大学

学位级别：硕士

随着现代科学技术的进步和工业技术的完善，机械设备正朝着连续化与自动化方向发展，机械设备之间的连接更为紧密。齿轮箱具有传动力矩大、传动比固定、传动精度高、结构紧凑等优点，是机械设备中非常重要的通用零部件。齿轮箱振动信号... 详细信息

随着现代科学技术的进步和工业技术的完善，机械设备正朝着连续化与自动化方向发展，机械设备之间的连接更为紧密。齿轮箱具有传动力矩大、传动比固定、传动精度高、结构紧凑等优点，是机械设备中非常重要的通用零部件。齿轮箱振动信号中包含齿轮箱运行状态的所有信息，当齿轮箱的运行状态发生变化时，其振动信号特性也必然会相应发生变化。研究齿轮箱振动特性，从其振动信号中提取有用信息，对齿轮箱故障诊断及实时监测有重要意义，不仅能够降低设备维修成本，而且能有效提高齿轮箱工作过程中的可靠性与稳定性，对人民生命财产安全保护意义重大。人工神经网络是自上世纪40年代发展起来的一门新兴交叉学科，与传统数据处理方法不同，人工神经网络以其强大的学习能力以及非线性、自适应性等特点，在故障诊断领域得到了迅速发展。本文以齿轮箱为研究对象，在研究齿轮箱内部结构与组成的基础上，建立了齿轮副振动模型，对齿轮箱的振动机理进行了深入分析。在此基础上，搭建了齿轮箱故障诊断实验台，对常见的五种齿轮箱故障进行了模拟，然后利用时、频域分析方法对所测得的振动信号进行特征提取，利用归一化后的特征参数对不同学习率下的BP网络进行训练，经过一系列的训练与检测，得到以下结论：在各参数值设置合适的情况下，论文中所构建的网络对齿轮箱的故障诊断正确率在86%以上，对于两种或两种以上的组合故障，该网络依然是适用的。

关键词：齿轮箱故障诊断时频特征提取 BP神经网络

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

基于时频特征的反监听技术研究与应用

电子测量技术 2024年第7期47卷 1-8页

作者：李建勋王开东南大学信息科学与工程学院南京211189

本研究旨在探讨一种基于时频特征设计的反监听技术,重点研究如何通过动态修改时序和频率增强特定频率范围内的人类语音干扰。本文针对现有的语音干扰技术展开研究,并与标准噪声注入方法进行了比较。研究方法包括理论分析和实验验证,通... 详细信息

本研究旨在探讨一种基于时频特征设计的反监听技术,重点研究如何通过动态修改时序和频率增强特定频率范围内的人类语音干扰。本文针对现有的语音干扰技术展开研究,并与标准噪声注入方法进行了比较。研究方法包括理论分析和实验验证,通过对实际原型进行测试和验证,评估了基于时频特征提取的干扰信号在干扰语音识别系统方面的有效性。实验结果显示,当信噪比低于0dB时,所提出方法的文本识别错误率超过了60%;而当信噪比为0dB时,本文算法的文本识别错误率平均比当前干扰算法高出20%以上。此外,当干扰系统与录音设备保持相同距离时,本文算法在录音设备上产生的信噪比比当前算法低近2dB,这说明了所提出算法的高能量利用效率。因此,本研究成果对于提高通信安全和保护隐私具有重要意义,特别是在需要高度保密的通信环境中。

关键词：隐私保护防窃听超声波干扰时频特征提取语音干扰

基于实测不均衡小样本的配电网高阻接地故障检测方法

在线全文

学校读者我要写书评

暂无评论

高电压技术 2024年

作者：高伟何文秀郭谋发白浩福州大学电气工程与自动化学院南方电网科学研究院有限责任公司

为了应对实际配电网高阻接地故障信号微弱多变、数据稀缺等问题，提出一种基于实测不均衡小样本的高阻接地故障检测新方法。首先，使用基于压缩-激励网络的多头变分自编码器增殖模型，扩充小样本数据集。其次，将数据进行滤波处理后，... 详细信息

为了应对实际配电网高阻接地故障信号微弱多变、数据稀缺等问题，提出一种基于实测不均衡小样本的高阻接地故障检测新方法。首先，使用基于压缩-激励网络的多头变分自编码器增殖模型，扩充小样本数据集。其次，将数据进行滤波处理后，分别提取其时、频域特征。鉴于高阻故障特征微弱、增殖模型无法生成全面、有效的故障特征这一事实，进一步提出基于梯度调和机制的类别型特征提升(gradient harmonized mechanism-categorical boosting，GHM-CatBoost)算法，引入梯度调和机制损失函数，让模型均衡易分样本和难分样本的关注度，解决过拟合问题。研究结果表明，数据增殖模型能够生成兼具仿真数据多样性与实测数据随机性特点的故障样本，提高了数据的可利用性。且所提GHM-CatBoost模型的故障识别准确率可以达到97.21%，优于其对比分类器模型。通过测试和对比分析，验证了所提方案的有效性。

关键词：配电网高阻接地故障检测时频特征提取变分自编码器注意力机制 CatBoost

基于故障动力学与卷积神经网络结合的风电传动关键部件故障诊断研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于故障动力学与卷积神经网络结合的风电传动关键部件故障诊断研...

作者：赵乾柏广州大学

学位级别：硕士

风电是近年来发展最快的再生清洁能源之一,准确的状态监测与故障诊断可有效提高风电机组的运行可靠性。采用深度学习方法进行故障智能诊断可降低装备的运维成本,更能适应大数据的需求。目前主流的故障诊断方法大多基于深度学习的卷积神... 详细信息

风电是近年来发展最快的再生清洁能源之一,准确的状态监测与故障诊断可有效提高风电机组的运行可靠性。采用深度学习方法进行故障智能诊断可降低装备的运维成本,更能适应大数据的需求。目前主流的故障诊断方法大多基于深度学习的卷积神经网络,但神经网络的内部机理并不够明确,缺乏对诊断依据的解释性。此外,风电机组的运行环境复杂、背景噪声强,传统的深度学习故障诊断方法抗干扰效果不佳。针对以上问题,本文开展基于故障动力学与卷积神经网络结合的风电传动关键部件故障诊断研究,主要研究工作总结如下:首先,根据轴承和齿轮的参数,建立齿轮和轴承故障动力学模型,获得不同健康状态下的故障动力学特征。对比小波变换和短时傅里叶变换下滚动轴承故障信号的结果,并选择分辨率更高的Morlet小波变换对轴承的振动信号进行时频转换作为网络的输入。结合时频转换、动力学特性和锚框原理,提出基于动力学特性的组合框设计,从机理上揭示冲击等周期信号的重复特性,直观地展示出与故障相关的冲击时频特征。其次,基于深度学习框架,以轴承和齿轮为研究对象,采用VGG-16、Res Net50、Alexnet和Maxvit模型作为预训练模型,将这些预训练模型与类激活映射(Class Activation Mapping,CAM)结合,提出一种基于CAM故障框生成方法。在组合框的基础上,利用该算法去捕捉组合框附近的故障点,并且构建时频特征提取算法。在此基础上,提出了评价模型对故障框和组合框进行时频信息相似度估计,作为综合诊断结果。从而有效表征了待诊断数据在动力学模型框架下与样本数据间的一致性,建立基于动力学特性诊断依据的故障诊断模型。最后,本文将所提出的方法应用在实际诊断问题中,分别是西储大学轴承、滚动轴承实验台和Spectra Quest行星齿轮箱,并设计多个对比实验和设置多组不同噪声实验。通过实验探讨了模型在不同类型噪声下的抗干扰能力,分析了不同噪声对故障诊断的影响,并通过时频特征提取方法对故障识别过程进行了可视化分析。实验结果表明,本文方法结合可视化和故障动力学特性,具备更强的抗噪声能力,能够清晰地解释故障结果。本文对风力发电机传动关键部件常见故障问题提供了一种新的诊断方法,能够结合动力学模型、时频分析和深度学习技术。所提方法不仅能够准确识别故障、能够在噪声环境下保持较高的稳定性和抗干扰能力,更能够方便的将已有的大量机械动力学、故障特征提取的成果与神经网络有效结合,这将为智能故障诊断领域的发展提供新思路。

关键词：风电机组故障动力学模型时频转换预训练模型时频特征提取

CCPSO优化支持向量机的鸟声识别技术研究

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

声学技术 2023年第1期42卷 118-126页

作者：韩雪慕昱盛桂敏黑龙江大学物理科学与技术学院黑龙江哈尔滨150080 华南理工大学物理与光电学院广东广州510640 绥化学院电气工程学院黑龙江绥化152061

鸟类是生态系统中的重要组成部分,鸟类物种的多样性对生态环境有重要作用。所以,通过鸟声信号来识别鸟类从而对其进行保护有现实意义。文章对鸟声信号采用双参数的双门限法进行分段,从鸟声信号中寻找出声音的起始点和终止点的具体帧,进... 详细信息

鸟类是生态系统中的重要组成部分,鸟类物种的多样性对生态环境有重要作用。所以,通过鸟声信号来识别鸟类从而对其进行保护有现实意义。文章对鸟声信号采用双参数的双门限法进行分段,从鸟声信号中寻找出声音的起始点和终止点的具体帧,进一步进行特征提取,提取每段鸟声信号中的短时能量和短时平均幅度,短时语谱图中的平均值、对比度、熵,共5种特征,采用优化参数的支持向量机进行鸟类物种分类。结果表明,基于混沌云粒子群优化(Chaos Cloud Particle Swarm Optimization, CCPSO)的支持向量机对比普通支持向量机的分类准确度得到提升,可有效地识别鸟类。利用该方法实现鸟类物种保护和生态系统管理的目的。

关键词：鸟声识别音节分割时频特征提取支持向量机混沌云粒子群优化(CCPSO)