检索结果-南通市图书馆

基于美尔倒谱系数及隐马尔可夫模型的说话人识别系统研究

在线全文

学校读者我要写书评

暂无评论

黑龙江科技信息 2012年第30期 4-6页

作者：夏晶郑州电视台社会新闻部河南郑州450000

为了适应强噪声环境下的语音识别,进行了基于美尔倒谱系数特征及隐马尔可夫模型的识别算法研究,主要对提取语音信号的线性预测系数、端点检测、语音特征参数提取、语音算法识别流程等进行了初步研究,并进行了说话人识别系统的仿真验证。

关键词：美尔倒谱系数隐马尔可夫模型说话人识别强噪声环境

基于MFCC与CDET的滚动轴承故障诊断方法研究

在线全文

学校读者我要写书评

暂无评论

控制工程 2019年第9期26卷 1682-1686页

作者：王前王刚蒋晗晗陈尚卿矿山互联网应用技术国家地方联合工程实验室江苏徐州221000 中国矿业大学信息与控制工程学院江苏徐州221116

针对工程应用中振动传感器安装困难、故障特征向量存在冗余等应用问题,提出了一种基于噪声信号美尔倒谱(MFCC)与补偿距离评估(CDET)的滚动轴承故障诊断方法。将机器运行噪声信号作为轴承状态监测信号,提取机器运行噪声信号的MFCC作为诊... 详细信息

针对工程应用中振动传感器安装困难、故障特征向量存在冗余等应用问题,提出了一种基于噪声信号美尔倒谱(MFCC)与补偿距离评估(CDET)的滚动轴承故障诊断方法。将机器运行噪声信号作为轴承状态监测信号,提取机器运行噪声信号的MFCC作为诊断特征,采用CDET算法对所提取的MFCC特征进行降维,最后将CDET降维后的MFCC特征向量作为支持向量机(SVM)的输入进行模式分类,并与传统基于PCA的降维算法进行比较研究。实验结果表明:噪声诊断中CDET降维具有更优的降维效果,基于MFCC与CDET的滚动轴承故障诊断能够准确、有效地识别轴承故障类型。

关键词：轴承故障诊断美尔倒谱系数补偿距离评估噪声信号

音频事件检测算法在计量费控用电压开关柜局部放电检测中的应用研究

在线全文

学校读者我要写书评

暂无评论

电子器件 2020年第2期43卷 309-314页

作者：张思建梁荣业赵闻张捷广东电网有限责任公司计量中心广州510080 广州宇阳电力科技有限公司广州510080

有效检测开关柜故障是影响电网安全的因素,如何进行有效的非浸入式检测是国内外的研究热点之一。提出一种基于音频信号的电压开关柜局部放电检测算法,可识别开关柜正常态、电晕态和放电态3种状态。算法首先提取电压开关柜放电声音的MFC... 详细信息

有效检测开关柜故障是影响电网安全的因素,如何进行有效的非浸入式检测是国内外的研究热点之一。提出一种基于音频信号的电压开关柜局部放电检测算法,可识别开关柜正常态、电晕态和放电态3种状态。算法首先提取电压开关柜放电声音的MFCC特征作为识别特征,然后构建基于支持向量机的分类器来识别出电压开关柜的状态,从而进行故障检测。实验表明本文提出的检测算法具有较高的局部放电检测正确率。

关键词：电压开关柜局部放电支持向量机美尔倒谱系数

在线全文

学校读者我要写书评

暂无评论

听觉模型倒谱系数及其在声目标识别中的应用

应用科学学报 2011年第1期29卷 51-55页

作者：刘辉杨俊安周志增解放军电子工程学院信息工程系安徽省电子制约技术重点实验室 63889部队

针对目前广泛采用的美尔倒谱系数(MFCC)鲁棒性不足的问题,基于人类听觉模型提出了一种可用于战场声目标识别的倒谱系数.用小波包变换代替了传统的傅里叶变换,克服了傅里叶变换在频域上单分辨率的缺陷和对噪声的敏感性.用指数压缩替换固... 详细信息

针对目前广泛采用的美尔倒谱系数(MFCC)鲁棒性不足的问题,基于人类听觉模型提出了一种可用于战场声目标识别的倒谱系数.用小波包变换代替了传统的傅里叶变换,克服了傅里叶变换在频域上单分辨率的缺陷和对噪声的敏感性.用指数压缩替换固定的对数压缩,较好地模拟了人耳处理信号的非线性能力.在SensIT实验数据和外场实际采集的低空目标数据上的实验结果表明:相对于经典的美尔倒谱系数,本文提出的倒谱系数在识别准确性和抗噪声能力方面都有较明显的提高.

关键词：声目标识别美尔倒谱系数听觉模型

在线全文

学校读者我要写书评

暂无评论

卷积噪声环境下语音信号鲁棒特征提取

声学学报 2010年第4期35卷 465-470页

作者：吕钊吴小培张超李密安徽大学计算智能与信号处理教育部重点实验室合肥230039 空军第一航空学院航空电子工程系信阳464000 空军第一航空学院航空电子工程系信阳464000

提出了一种基于独立分量分析(ICA)的语音信号鲁棒特征提取算法,用以解决在卷积噪声环境下语音信号的训练与识别特征不匹配的问题。该算法通过短时傅里叶变换将带噪语音信号从时域转换到频域后,采用复值ICA方法从带噪语音的短时谱中分离... 详细信息

提出了一种基于独立分量分析(ICA)的语音信号鲁棒特征提取算法,用以解决在卷积噪声环境下语音信号的训练与识别特征不匹配的问题。该算法通过短时傅里叶变换将带噪语音信号从时域转换到频域后,采用复值ICA方法从带噪语音的短时谱中分离出语音信号的短时谱,然后根据所得到的语音信号短时谱计算美尔倒谱系数(MFCC)及其一阶差分作为特征参数。在仿真与真实环境下汉语数字语音识别实验中,所提算法相比较传统的MFCC其识别正确率分别提升了34.8%和32.6%。实验结果表明基于ICA方法的语音特征在卷积噪声环境下具有良好的鲁棒性。

关键词：特征提取算法语音信号噪声环境鲁棒性卷积短时傅里叶变换独立分量分析美尔倒谱系数

在线全文

学校读者我要写书评

暂无评论

基于MFCC与PCA的滚动轴承故障诊断

组合机床与自动化加工技术 2017年第12期 103-105页

作者：王前于嘉成宁永杰中国矿业大学信息与控制工程学院江苏徐州221116

针对振动传感器不易安装、传统分类算法训练时间较长等问题,提出了基于美尔倒谱系数(MFCC)与主成分分析(PCA)的滚动轴承故障诊断方法。首先利用声音传感器采集滚动轴承声音信号,而后提取声音信号的MFCC特征,最后将MFCC特征作为PCA分类... 详细信息

针对振动传感器不易安装、传统分类算法训练时间较长等问题,提出了基于美尔倒谱系数(MFCC)与主成分分析(PCA)的滚动轴承故障诊断方法。首先利用声音传感器采集滚动轴承声音信号,而后提取声音信号的MFCC特征,最后将MFCC特征作为PCA分类器的输入进行故障分类,并与反向传播神经网络(BPNN)、支持向量机(SVM)进行比较研究。实验结果表明:MFCC系数可以有效反应轴承不同工作状态下的信号特征;基于MFCC与PCA的轴承故障诊断方法能够准确、有效地识别轴承故障类型。

关键词：轴承故障诊断美尔倒谱系数

在线全文

学校读者我要写书评

暂无评论

面向智能家居的有限口令识别

面向智能家居的有限口令识别

作者：杨军安徽建筑大学

学位级别：硕士

随着生活水平的提高和语音技术的发展,利用语音控制家电及家居产品已经成为智能家居的发展方向之一。近几年,苹果、谷歌、科大讯飞等世界知名公司分别推出了各自的语音智能家居产品,给人们带来了全新的体验。语音识别主要包括端点检测... 详细信息

随着生活水平的提高和语音技术的发展,利用语音控制家电及家居产品已经成为智能家居的发展方向之一。近几年,苹果、谷歌、科大讯飞等世界知名公司分别推出了各自的语音智能家居产品,给人们带来了全新的体验。语音识别主要包括端点检测、特征提取、模板训练及匹配识别等过程。面向智能家居的语音识别的基础部分是孤立词、小词汇量、非特定人的口令语音识别,必须解决以下几个问题:能够适应家庭环境的相对稳健的端点检测算法;相对较高识别率的识别算法;在高识别率基础上要求算法识别速度较高、实时性较强。针对现有端点检测存在的问题,本文提出了一种基于先验信噪比的双门限端点检测算法,该算法时间开销较小,且检测的门限会随着信噪比而自动调节,大大提高了端点检测的准确率。为提高抗干扰性和识别率,文中采用多子带谱减法进行数字滤波,选择了12维的MFCC及其一阶差分共计24维特征作为识别特征。对于语音模型训练与匹配部分,本文先后对DTW算法、GMM算法及HMM算法三种算法做了大量的研究工作。本文设计了面向智能家居中的常用家电的14条开关控制口令,采集了112人。其中男生72人、女生40人、每条口令448个样本、共计6272个样本的数据,针对这些数据进行相关算法实验。由于DTW算法搜索范围过大造成识别速度过慢,本文采用了一种将搜索路径限制在与主对角线平行的两条平行线之间的改进DTW算法。为提高系统的识别率,在识别时采用了每种口令多个模板/型的思想。在基于DTW算法的口令识别中共建立了5种模板库。模板库1至模板库5的模板数目依次倍增。其中模板库3至模板库5利用语音段的每帧基音周期作为特征参数,利用K均值聚类及DTW算法将数据聚成指定若干小类,之后在各小类中分别用DTW算法规整成模板。在基于GMM及HMM算法的口令识别实验中,本文建立了两种模型库。模型库1中每种口令只有一个模型。模型库2中每种口令按照男女生分别一个模型。采用多模板/型识别时,识别率提升的同时影响了识别速度。为此,本文采用了基于多CPU的并行计算来加速,在不降低识别率的情况下,大大提升了语音的识别速度。文中通过实验得到以下结论:采用GMM算法时,在并行计算的条件下,单条口令平均识别时间为59ms,算法的识别速度最快,然而所有口令的平均识别率为92.14%,没有连续HMM算法的识别率高(为95.98%)。而DTW算法在并行计算的条件下,单条口令平均识别时间为963ms,耗时最长,同时识别率为92.05%,低于GMM算法。因此,我们可知:基于连续HMM算法、并且结合多模板以及并行加速后的有限口令识别方法效果相对最好,能更好地满足高识别率的同时具有较快的识别速度。本文所做的工作对面向智能家具的语音识别系统实现有一定的实用价值,但受时间和条件的限制,还有许多需要进一步解决的问题,如样本库过小、中心模板训练方法单一等。但是,即使如此,该课题依然具有非常广阔的应用前景和研究价值,值得进一步深入研究。

关键词：端点检测美尔倒谱系数并行计算动态时间规整高斯混合模型隐马尔科夫模型

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

基于机器学习的轴承故障噪声诊断方法研究

基于机器学习的轴承故障噪声诊断方法研究

作者：王前中国矿业大学

学位级别：硕士

滚动轴承被称作旋转机械的“心脏”,同时也是旋转机械中最容易受损的部件之一。为了实时、准确、高效地识别滚动轴承的运行状态,结合机器学习的手段对滚动轴承实施故障诊断意义重大。然而,传统的振动信号故障诊断方法需要安装振动传感... 详细信息

滚动轴承被称作旋转机械的“心脏”,同时也是旋转机械中最容易受损的部件之一。为了实时、准确、高效地识别滚动轴承的运行状态,结合机器学习的手段对滚动轴承实施故障诊断意义重大。然而,传统的振动信号故障诊断方法需要安装振动传感器从而对机械设备造成损伤。针对这一问题,本文将旋转机械运行时的噪声信号作为轴承状态的监测信号,利用噪声信号非接触式测量的优点,克服了振动信号故障诊断方法的不足。本文对滚动轴承噪声信号的特征提取、特征筛选以及故障分类算法进行了研究,提出了一种基于MFCC-CDET的滚动轴承故障噪声诊断算法。将美尔倒谱系数（MFCC）作为噪声信号的特征向量,引入补偿距离评估技术（CDET）进行特征筛选,将筛选后的特征输入支持向量机（SVM）分类器进行故障分类,并通过实验验证了这一方法的有效性与优越性。针对滚动轴承状态监测初期,样本库中没有故障样本的情况下有监督分类算法无法施展的问题,采用机器学习中无监督的异常检测算法,将样本库中存在的正常样本视作目标样本,引入单高斯模型对正常样本集进行边界建模,用于滚动轴承异常状态检测。将基于单高斯模型的边界建模算法与基于支持向量描述（SVDD）的边界建模算法进行对比,证明其优越性。针对滚动轴承状态监测中期,样本库中存在多类故障样本的情况下有监督分类算法无法识别新异故障的问题,将样本库中存在的多类样本视作目标样本,引入高斯混合模型对多类样本集进行边界建模,用于滚动轴承新异故障识别,通过与单高斯模型进行对比,验证了高斯混合模型在对多类目标样本进行边界建模时的优越性。将高斯混合模型的新异故障识别功能与分类功能相结合,提出了一种基于MFCC与高斯混合模型的滚动轴承新异故障识别与故障分类算法,并通过实验验证了该方法的有效性与可行性。

关键词：滚动轴承故障诊断美尔倒谱系数支持向量机高斯混合模型新异故障

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

不同录音系统对声纹检测的影响

南京大学学报（自然科学版） 2011年第2期47卷 201-207页

作者：达钊李倩郭霞生章东近代声学教育部重点实验室南京大学声学研究所南京210093

声纹识别已在身份识别中得以应用.本文采用三种常用数字录音系统(语音笔、话筒及手机)录制样本,并对这些样本进行基音分析,线性预测系数法提取共振峰以及美尔倒谱系数.结果表明,录音设备自身性能的差异对声纹参数存在影响,尤其是存在共... 详细信息

声纹识别已在身份识别中得以应用.本文采用三种常用数字录音系统(语音笔、话筒及手机)录制样本,并对这些样本进行基音分析,线性预测系数法提取共振峰以及美尔倒谱系数.结果表明,录音设备自身性能的差异对声纹参数存在影响,尤其是存在共振峰的丢失现象,提取的美尔倒谱系数包络存在一定差异.

关键词：声纹线性预测系数录音系统美尔倒谱系数共振峰基音