噪声环境下稳健的说话人识别特征研究

针对噪声环境下说话人识别率较低的问题,提出一种基于正规化线性预测功率谱的说话人识别特征。首先对语音信号线性预测分析和正规化处理求出语音频谱包络,然后通过伽马通滤波器组得到对数子带能量,最后对特征参数进行离散余弦变换,得到了一种说话人识别特征正规化线性预测伽马通滤波器倒谱系数(Regularized Linear Prediction Gammatone Filter Cepstral Coefficient,RLP-GFCC)。仿真结果表明,在噪声环境说话人辨认试验中,相比传统特征美尔频率倒谱系数(Mel Frequency Cepstral Coefficient,MFCC)和伽马通滤波器倒谱系数(Gammatone Filter Cepstral Coefficient,GFCC)的系统识别率得到了明显提高,对噪声环境的鲁棒性得到了增强。     

基于共振峰的超声空化声发射信号分析

摘 要：为了简单有效地提取超声空化时频信息而估计空化强度,提出了应用基于全极点线性预测编码模型的共振峰分析方法进行分析,并使用其分析了19kHz超声作用下的空化场的声发射信号。将共振峰分析结果与常用的频谱分析和短时傅利叶分析结果进行了对比,发现共振峰分析方法更能从超声空化声发射信号的中提取出简单但关键的时频信息来。采用共振峰方法的分析结果表明,可以利用空化声发射的共振峰参数如基频频率和相对高频共振峰的幅值来分别反映超声空化的非线性振荡和瞬态空化,进而估计超声空化的强度。     

吸声侧壁对微穿孔共振结构声学性能的影响

在微穿孔共振结构的空腔侧壁铺设吸声层将增大空腔的声顺,引进空腔的声阻,从而明显改进结构的吸声特性。与对应的刚性壁面空腔结构相比较,吸声壁面结构的吸声系数共振峰频率降低,频响曲线平坦,峰-谷起伏减小。其特性与填满吸声材料的空腔结构基本相同。相应的理论公式得到实例的有力支持。与三维理论相比较,一维理论比较简洁,仅需引入材料的垂直入射吸声系数。其预测的共振结构吸声系数幅值能够满足工程设计的要求,但是没能充分反映吸声材料对共振峰频率的影响,预测的共振峰频率偏高。     

双稳系统随机共振效应的数值分析

以绝热近似随机共振理论为基础,分析了双稳系统随机共振模型,研究系统参数、噪声强度、信号幅值和频率变化对双稳系统随机共振效应的影响。通过分析得出,输入信号和系统参数一定时,系统发生随机共振所需要的噪声存在一个最佳强度;信号幅值的增大有利于随机共振效应的产生;信号频率的增大将使输出功率谱信号频率处谱峰逐渐离开噪声能量集中的低频区,且谱峰幅度逐渐减小,随机共振效应逐渐弱化消失。针对信号幅值、频率、噪声强度超出绝热近似理论的小参数要求而成为大参数,对变尺度方法实现大参数信号的随机共振进行分析和评述。     

正常儿童汉语拼音元音的共振峰测算方法对比

本文介绍 ３０例正常学龄儿童汉语拼音元音ａ、ｏ、ｅ、ｉ、ｕ、ü６个音的功率谱语频分析。用直接计算语频包络中振幅最大的谐波作为共振峰频率值和计算包络中最大谐波的偏峰值作为共振峰频率值。比较两种不同方法的差异。经ｔ检验证实，此两法测得的共振峰频率值在统计学上有显著的差别。作者提出，在进行语频分析时，应采用共振峰频率偏移值的计算方法。它能对语频作精确的评价。     

弯斜拉桥中索的主共振研究

研究由弯斜拉桥桥面振动引起的斜拉索参数共振和主共振问题。将弯斜拉桥施工及成桥状态的复杂结构进行简化,建立索-曲梁组合结构力学模型,推导考虑拉索初始垂度及几何非线性影响的索-曲梁组合结构非线性动力学方程。将索与曲梁的连接方式处理为弹性支承。运用多尺度方法研究斜拉索的参数共振和主共振,并对稳态解的稳定性进行分析,同时对斜拉索参数共振和主共振进行数值模拟,得到不同阻尼及不同初始条件下拉索的时间历程曲线。研究结果表明:桥面的低阶振动频率在索的线性振动频率附近且激励幅值在一定范围内时,桥面的小幅振动能够激励起拉索的大幅运动,影响弯斜拉桥施工与运营的安全性。     

声纹技术研究——说话人识别中的分类方法

分类在说话人识别中的应用对于提高系统响应时间有非常重要的作用,对基频和共振峰进行研究,基频可以用于区分男声和女声,依据共振峰的幅值则可以区分成人和儿童,将这种分类方法应用于说话人识别中可以大大缩短识别时间。     

典型结构在单、多轴随机振动下的动力学特性对比研究

以某典型线性结构和非线性结构为例,通过理论分析和试验研究,对比结构在单、多轴随机振动载荷下动力学特性的差别.研究结果表明:对于线性结构,单轴和多轴加载时结构的自振频率不发生变化,但由于单轴和多轴加载对结构模态有不同激发效果.振动响应谱会出现不同数量的共振峰;对于刚度非线性结构,由于多轴加载时的变形比单轴加载时大.系统刚性发生变化,自振频率也随之变化.     

基于调制随机共振的微弱信号检测研究

在工程信号处理过程中信号常超出随机共振绝热近似或线性响应理论的小参数要求而成为大参数信号。论文深入探讨非线性双稳系统随机共振发生机理和条件要求,将频率调制技术与随机共振理论相结合,提出用调制随机共振的方法实现随机共振理论在工程信号检测中的应用,进行了数值仿真分析证明其有效性,并将该方法应用于轴承内圈点蚀故障的检测     

时滞作用下切削系统的时频响应特性研究

在车削、铣削、钻镗孔等机械加工过程中,由于再生切削效应,刀具-工件系统的运动方程存在时滞环节,导致系统的动力学特性发生改变。以车削过程为工程背景,定量研究了单自由度二阶线性时滞微分系统在受到外激励时的动力学响应。通过推导系统输入输出随时滞刚度及时滞量大小变化的传递函数关系,在参数空间得到了系统的幅频响应曲面。结果显示时滞将使得系统的工作模态发生改变,幅频响应出现多个共振峰,其中时滞刚度主要影响共振峰的峰值,而时滞量则主要影响共振峰的数量。同时,通过解析求解共振峰的脊线簇的方程,得到了共振峰在参数空间的分布规律。此外,数值求解得到了共振峰数目的定量分布图,结果显示,随着时滞刚度与时滞量的增大,共振峰的数目从1呈连续整数增加直至无穷,而系统阻尼对这一增长趋势无明显影响。通过车削试验平台上的模态锤击试验,验证了理论推导的时滞系统时频响应特性的相关结论。该研究在机床工作模态分析、整机动力学响应分析等方面具有潜在的学术与应用价值。     

基于机器学习的电喷印精度预测方法研究

目的 节省电流体喷射打印精度预测的时间和解决电流体工艺参数的选择问题,达到提高电流体打印的质量和效率的目的。方法 为了对电流体喷射打印精度进行预测,提出有限元模型与机器学习相结合的方法。基于线性回归、支持向量回归和神经网络等机器学习算法建立4种参数与射流直径的关系模型。结果 算法结果表明:支持向量回归和神经网络预测模型的决定系数R²能达到0.9以上,表示模型可信度高;支持向量回归和神经网络预测模型指标都比线性回归预测模型的小。结论 机器学习算法可对电喷印打印精度进行有效预测,预测效率提高了十几倍,节省了精度预测的时间。     

根据联合预测效果提取水声信号的非线性特征

在局部线性预测的基础上提出了联合预测方法,研究了预测效果与重构维数及时延两个嵌入参数的关系。发现各种信号的联合预测效果反映了信号自身的特征,可将其用于水声信号的非线性特征的分析和提取。初步提取了水声信号的数字特征,预测得到的平均斜率指标可以将一类目标同另外两类目标区分开。从而提供了一种新的目标特征提取途径。     

Simple method for obtaining viscoelastic parameters of polymeric materials by incorporating physical-aging effects

A simple method for obtaining viscoelastic parameters from the results of static tensile tests is presented herein. Viscoelastic parameters were obtained by fitting experimental results and calculated results based on the power law model and linear viscoelasticity. The static tensile tests were carried out at various pre-aging times and the effect of physical aging was determined. The data confirmed that the physical aging process has a significant effect on the viscoelastic behavior. A creep test was conducted in order to discuss the validity of the prediction using the results of the static tensile test. It was confirmed that the predictions based on the viscoelastic parameters obtained from static tensile tests cannot adequately model actual viscoelastic behavior. The effective time theory was incorporated into the prediction in order to account for the progress of physical aging. It was verified that incorporating effective time theory into the prediction allows for the precise prediction of the long-term viscoelastic behavior.     

自变量含有类型变量的线性回归模型的树方法

给出了求解自变量含有类型变量的线性回归模型的树方法。它是一个非参数方法。讨论了修剪树对参数估计和预测的影响，给出了通过修剪树提高参数估计和预测精度的充要条件。     

基于电磁检测的火车车轮残余应力定量预测

目的 为了突破火车车轮残余应力有损测试的局限性、实现车轮残余应力的准确定量预测,研究电磁参量特征值的遴选过程并建立相关模型。方法 对比分析单一电磁参量(磁巴克豪森噪声或增量磁导率)和电磁参量融合(磁巴克豪森噪声和增量磁导率)的检测方法,通过逐步回归对电磁参量的特征值进行遴选,利用多元线性回归方法构建残余应力的定量预测模型。结果 基于单一电磁参量建立的应力预测模型,其残余应力预测值与实际值的偏差超过±15 MPa的允差范围;基于电磁参量融合建立的应力预测模型,其残余应力预测值与实际值的偏差均在±15 MPa的允差范围之内。结论 采用电磁融合方法建立的多元线性模型,可以有效提高模型精度、实现火车车轮残余应力的定量预测。     

Comparative Models for Electrical Load Forecasting

This article is concerned with predicting for Gaussian random fields in a way that appropriately deals with uncertainty in the covariance function. To this end, we analyze the best linear unbiased prediction procedure within a Bayesian framework. Particular attention is paid to the treatment of parameters in the covariance structure and their effect on the quality, both real and perceived, of the prediction. These ideas are implemented using topographical data from Davis.     

基于模糊神经网络与主成分分析的磨削表面粗糙度在线预测

基于声发射和振动信号提出了一种模糊神经网络和主成分分析的表面粗糙度预测方法,以提高磨削过程中工件表面粗糙度识别的准确性。首先,采集磨削程中声发射与振动信号,提取相关时域特征、频域特征和小波包特征参数,利用主成分分析对特征量进行降维优化;然后,构建表面粗糙度模糊神经网络预测模型,将信号特征量与表面粗糙度作为模糊神经网络的输入和输出;最后,对模型进行训练,并对表面粗糙度预测精度进行验证。实验结果表明:通过主成分分析(PCA)方法对声发射和振动信号特征量进行降维得到5个主成分,以此建立的模糊神经网络表面粗糙度预测模型的效果精度可达到91%以上,与局部线性嵌入和多维标度法降维方法相比,PCA方法降维后的特征所含信息更优,预测准确度更高。     

海洋混响信号的序贯仿真

本文研究线性预测技术在主动声呐海洋混响信号仿真中的应用。文中详细推导了由时变海洋混响目标函数的估计时混响线性预测模型参量的计算过程，并给出了混响仿真序列的序贯产生方法，最后进行实例仿真。     

Quantitative Prediction of Surface Hardness in 12CrMoV Steel Plate Based on Magnetic Barkhausen Noise and Tangential Magnetic Field Measurements

Both magnetic Barkhausen noise (MBN) and tangential magnetic field (TMF) strength can be applied in the quantitative prediction of surface hardness of ferromagnetic specimens. The prediction accuracy depends on the selected model and the input parameters of the model. In this study, the relationship between the surface hardness of 12CrMoV steel plate and the measured MBN and TMF signals is investigated with multivariable linear regression (MLR) model and BP neural network technique. A comparative study between the MLR and BP model is conducted. The external validation results show that the BP model utilizing four MBN features as the input nodes has a smaller average prediction error (3.7%) than that of the MLR model (13.2%). Features extracted from the MBN and TMF signals are combined together as the input parameters of the BP model in order to achieve high accuracy. After adding two more TMF features into the input nodes of the BP network, the external validation results suggest that the average prediction error is decreased from 3.7 to 3.5%.     

基于遗传算法和最小二乘支持向量机的织物剪切性能预测

提出了一种基于最小二乘支持向量机的织物剪切性能预测模型,并且采用遗传算法进行最小二乘支持向量机的参数优化,将获得的样本进行归一化处理后,将其输入预测模型以得到预测结果.仿真结果表明,基于最小二乘支持向量机的预测模型比BP神经网络和线性回归方法具有更高的精度和范化能力.