检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于中医体质的声象特征研究

基于中医体质的声象特征研究

作者：穆怀喜天津大学

学位级别：硕士

望、闻、问、切四诊合参，是传统中医诊断的重要方法。但是，由于闻诊的复杂性，闻诊中声象特征的研究比较少见。声象特征的研究对于现代医学实现无痛、无损伤检查以及客观的诊断，具有重要的意义。研究声象和人体生命特征的关系，尤其... 详细信息

望、闻、问、切四诊合参，是传统中医诊断的重要方法。但是，由于闻诊的复杂性，闻诊中声象特征的研究比较少见。声象特征的研究对于现代医学实现无痛、无损伤检查以及客观的诊断，具有重要的意义。研究声象和人体生命特征的关系，尤其是与中医体质的关系，可以更好地为体质辨识，乃至声象诊断做好实践准备。本文在前人工作的基础上，运用中医声象客观化采集系统，结合《中医体质分类与判定标准》，分别对健康大学生的体质进行判定，以及对大学生声象信息进行采集、观察及存储。应用中医声象客观化采集系统，采集不同中医体质类型的在校大学生五音（宫商角徵羽）词样本800余例，包括平和质;阴虚质;气虚质;阳虚质;痰湿质;湿热质;血瘀质;气郁质;特禀质。五音的采集选取固定检测字，根据标准五音字表的总结，摘取两组能体现五音的检测字：衣荷（宫）、子书（商）、古玉（角）、泥土（徵）、妇卜（羽）;音黄（宫）、辰章（商）、见广（角）、男鼎（徵）、半方（羽）。在声象采集的基础上，结合中医体质的分类，进行不同体质声象特征的分析。声象信号的时频特性和处理算法是声象特征分析系统中的重要问题。本文结合声象信号时域特征、频域特征、倒谱域特征以及线性预测倒谱系数LPCC和美尔倒谱参数MFCC原理，应用MATLAB GUI技术，设计完成了声象特征提取系统，实现声象信号的装载、播放、波形显示、预加重及加窗处理;声象信号的时域特征参数、频域特征参数及倒谱域特征参数显示、提取及存储;声象信号的线性预测倒谱系数LPCC和美尔倒谱参数MFCC的数据显示和存储功能。界面的交互性好，操作简单方便，大大提高了算法及数据处理的效率，对声象信号分析和特征提取和处理具有重要的意义。在声象信号分析和特征提取后，运用基于模式识别分类的办法，主要包括支持向量机和神经网络的方法，将声象信号特征进行了相关的分类。依据不同中医体质的特点，对比分析了声象信号的线性预测倒谱系数LPCC和美尔倒谱参数MFCC的差别。尝试了通过对不同体质一定样本数量的个体声象特征中的线性预测倒谱系数LPCC及美尔倒谱参数MFCC进行分类。实验结果显示：声象信号的线性预测倒谱系数LPCC和美尔倒谱参数MFCC能够在一定程度上将不同体质类型分开，在不同体质一定样本数量的分类上，分类效果较好，在基于中医体质的声象客观化研究中显示出优势，具有重要的指导意义。

关键词：中医体质声象特征线性预测分析美尔倒谱系数模式识别

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LVQ混合网络的非特定语音识别

计算机应用与软件 2010年第12期27卷 5-7,11页

作者：梁树岭王朝立梁振英杜佳明上海理工大学光电信息与计算机工程学院上海200093

介绍一种新的等距离采样参数归一化方法。针对美尔倒谱系数(MFCC)和一阶、二阶美尔倒谱系数,提出了一种新的学习矢量量化(LVQ1)和改进学习矢量量化(LVQ2)结合的识别算法。仿真结果表明所提出的算法相对于只用LVQ1网络识别,可以有效改善... 详细信息

介绍一种新的等距离采样参数归一化方法。针对美尔倒谱系数(MFCC)和一阶、二阶美尔倒谱系数,提出了一种新的学习矢量量化(LVQ1)和改进学习矢量量化(LVQ2)结合的识别算法。仿真结果表明所提出的算法相对于只用LVQ1网络识别,可以有效改善学习效率。

关键词：语音识别参数归一化美尔倒谱系数学习矢量量化网络

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

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电动剃须刀音频质量检测方法的研究

电动剃须刀音频质量检测方法的研究

作者：滕艺丹哈尔滨工业大学

学位级别：硕士

随着制造业自动化、信息化水平的不断提高，电动剃须刀、电吹风等小家电的生产加工速度与日俱增。与此同时，消费者和生产厂家对产品的质量也都精益求精，这都给此类产品的质量检测带来了新的挑战。传统的人工质量检测手段因其效率低、... 详细信息

随着制造业自动化、信息化水平的不断提高，电动剃须刀、电吹风等小家电的生产加工速度与日俱增。与此同时，消费者和生产厂家对产品的质量也都精益求精，这都给此类产品的质量检测带来了新的挑战。传统的人工质量检测手段因其效率低、易受主观误差影响等问题，越来越难以满足现代化生产线的需求。自动化、智能化的检测方法亟待完善。产品的音频特征既可以间接反映客观质量状况，又直接影响着用户体验，而且与震动、电磁特性等特征相比，音频特征更容易实现自动化检测。因此，利用音频实现质量自动检测的方法受到了产业界和学术界的普遍关注。以电动剃须刀为例，有经验的检测人员可以通过产品工作时的声音判断其有无质量问题和是否会给消费者带来听觉不适。但是，经过多年研究仍未发现某种音频特征能够作为剃须刀的质量检测提供可量化的标准。目前，利用多特征提取和模式识别等方法对人类听觉的主观分类进行模拟，为基于音频的自动化质量检测提供了一个有效手段。本课题主要探讨了对电动剃须刀的音频进行小波包分析预处理，提取小波包子带能量和子带的美尔倒谱系数(MFCC)特征，再利用支持向量机对其分类从而实现质量自动检测的方法。首先，针对生产现场多噪声和语音干扰的问题，利用小波包分解保留适当的子带，提高音频的信噪比和信干比。然后，分析小波包分解后合格产品与不合格产品特征子带的能量和MFCC系数，通过实验找出其中差别最为明显的几个分量或分量间的关系作为分类特征。最后，利用支持向量机和选取的特征对产品的音频进行分类，实现质量检测的目的，并分析不同特征组合对分类结果的影响，确定最优特征集。基于音频分类的质量检测方法具有广阔的发展和应用前景。它模拟人耳听觉，通过音频特征提取和模式识别方法实现对合格产品和不合格产品的分类，并用大量经专业人员检测的音频生成训练集和测试集，通过实验验证了以产品音频小波包子带能量和MFCC为特征利用支持向量机进行音频质量检测的可行性，取得了较好的检测结果。

关键词：音频分类小波包分解特征提取美尔倒谱系数支持向量机

在线全文

同方学位论文库

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

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于动物声音的个体辨认技术的研究

基于动物声音的个体辨认技术的研究

作者：黄英来东北林业大学

学位级别：硕士

随着野生动物的数量不断减少,人们对野生动物的保护工作和重视程度的逐渐加大,相应的研究也就越来越多。因此,生物声学的研究已引起了人们的重视;分类学家通过研究,把动物的声音信号作为动物分类的一种指标;生态学家也在探索,如何通过... 详细信息

随着野生动物的数量不断减少,人们对野生动物的保护工作和重视程度的逐渐加大,相应的研究也就越来越多。因此,生物声学的研究已引起了人们的重视;分类学家通过研究,把动物的声音信号作为动物分类的一种指标;生态学家也在探索,如何通过声音信号,来揭示动物行为的奥秘。本文通过研究声音识别的基本原理与系统结构,分析现有的声音识别技术,研究了能频值端点检测、线性预测倒谱系数(LPCC)和美尔倒谱系数(MFCC)及其差分特征参数、矢量量化(VQ)与隐马尔可夫模型(HMM)相结合应用于声音识别的识别方法,建立了基于动物声音的个体辨认系统。本文通过MATLAB声音处理工具箱,提取输入声音的特征参数,采用线性预测倒谱系数(LPCC)和美尔倒谱系数(MFCC)及其差分作为声音信号的特征参数,并采用LBG算法进行码书设计、Viterbi算法进行训练和识别,获得了较高的识别率,并且具有运算速度快,计算量小,差错率低等优点。本文通过对实际声音识别系统的测试和研究,为进一步开发实用性声音识别系统的工作做了基础和探索性的工作。

关键词：能频值线性预测倒谱系数美尔倒谱系数矢量量化隐马尔可夫模型

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MFCC与IMFCC的说话人识别研究

基于MFCC与IMFCC的说话人识别研究

作者：刘丽岩哈尔滨工程大学

学位级别：硕士

说话人识别是指利用语音信号包含的信息来辨认说话人是谁或者确认此说话人是否为所声言的说话人。如今在低噪声、低失真环境下说话人识别已经达到较高的识别性能,但说话人识别的实际应用环境中却充满了噪声,导致说话人识别系统的识别率... 详细信息

说话人识别是指利用语音信号包含的信息来辨认说话人是谁或者确认此说话人是否为所声言的说话人。如今在低噪声、低失真环境下说话人识别已经达到较高的识别性能,但说话人识别的实际应用环境中却充满了噪声,导致说话人识别系统的识别率急剧下降。因此,目前的研究热点已转为提取噪声环境下仍能达到较好性能的鲁棒性特征和设计更加有效的分类器,从而真正实现说话人识别系统走出实验室,走向实际应用场合。针对以上需求,设计了一个以短波信道为背景的说话人识别系统,即以在短波信道环境下获得的语音信号为数据进行实验。在特征提取阶段,剖析了基于人耳听觉机理的美尔倒谱系数(MFCC),从美尔滤波器组的结构上看,MFCC只在信号的低频区域具有较高的分辨率,在高频部分分辨率却较低,这样必然会遗失一些包含在高频区域的信息。本文应用翻转的美尔滤波器组提取出一组特征IMFCC,弥补了传统的MFCC在高频提取特征信息薄弱的不足,与原始MFCC形成互补关系。鉴于两种特征的互补关系,设计多分类融合系统,以支持向量机为分类器,分别以MFCC和IMFCC为特征单独执行分类,将得到结果按某种方式融合,取两者之长,最后做出判决来提高说话人识别系统的性能。另外应用自适应动态阈值的开集说话人识别算法,建立一个综合所有参考说话人语音特性的非特定说话人R,将其列入参考说话人之中,识别时以其得分作为阈值判定待识说话人是否在集内,若在集内给出识别结果,若在集外则将待测者自动加入参考说话人集中。经实验证明,以MFCC&IMFCC为特征进行多分类融合的方法能够在短波信道环境下获得较好的识别效果。

关键词：说话人识别美尔倒谱系数翻转美尔倒谱系数多分类融合支持向量机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

话者识别系统中语音特征参数的研究与仿真

系统仿真学报 2003年第9期15卷 1276-1278页

作者：王金明张雄伟解放军理工大学通信工程学院南京210007

在说话者识别系统中,提取反映说话者个性的语音信号特征参数是系统的关键问题之一。研究并提取了几种重要的语音特征参数,包括线性预测倒谱系数、美尔倒谱系数、语音动态参数等,对这些参数进行了分析和比较,并研究了将多种参数组合使用... 详细信息

在说话者识别系统中,提取反映说话者个性的语音信号特征参数是系统的关键问题之一。研究并提取了几种重要的语音特征参数,包括线性预测倒谱系数、美尔倒谱系数、语音动态参数等,对这些参数进行了分析和比较,并研究了将多种参数组合使用对识别系统性能的影响。通过仿真和实验,证明混合参数识别方法能使话者识别系统的正确识别率有明显的提高。

关键词：说话者识别动态特征线性预测倒谱系数美尔倒谱系数仿真

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VQ与HMM的说话人识别系统的研究

基于VQ与HMM的说话人识别系统的研究

作者：李丹武汉理工大学

学位级别：硕士

说话人识别是指通过说话人的语音来自动识别说话人的身份,它在许多领域内有良好的应用前景。本文通过分析说话人识别基本原理与系统结构,考察现有的说话人识别技术,研究线性预测倒谱系数及其差分、美尔倒谱系数及其差分特征参数相结合,... 详细信息

说话人识别是指通过说话人的语音来自动识别说话人的身份,它在许多领域内有良好的应用前景。本文通过分析说话人识别基本原理与系统结构,考察现有的说话人识别技术,研究线性预测倒谱系数及其差分、美尔倒谱系数及其差分特征参数相结合,矢量量化(VQ)与隐马尔可夫模型(HMM)相结合应用于说话人识别的识别方法,建立说话人识别系统。本文从语音信号的预处理开始分析,对语音信号进行了端点检测,滤除了语音信号的无声段和噪声,为语音特征参数的提取提供了有效语音段。文中还比较了传统的语音端点检测方法与基于LPC美尔倒谱特征的端点检测方法的性能,两者中基于LPC美尔倒谱特征的端点检测方法能够更好地在高噪声环境下检测出语音端点来。本文应用全极点模型,提取语音信号的线性预测系数,并推导出其倒谱系数,获得线性预测倒谱系数及其差分,用以描述说话人声道的动态变化。选用美尔倒谱系数及其差分作为语音识别的特征参数,来描述人耳的听觉频率非线性特性。本文通过MATLAB语音处理工具箱,提取输入语音的特征参数,采用线性预测倒谱系数及其差分和美尔倒谱系数及其差分相结合识别,提高了系统的识别性能,采用LBG算法进行码书设计、Baum-Welch算法进行训练、Viterbi算法进行识别,并在隐马尔可夫模型前端采用矢量量化为每一说话人设计码书,避免了由于说话人使用同一码书带来的量化误差,接着将误差又带到下一级的HMM识别,引起误差积累效应。获得了很高的识别率。具有运算速度快,计算量小,差错率低等优点。

关键词：说话人识别线性预测倒谱美尔倒谱系数矢量量化隐马尔可夫模型