基于不同方法的飞机舱音背景声频谱特征的获取与分析

由于飞机事故的舱音样本不宜对外公布、同一机型的异常舱音背景声也不易在飞行过程中测录到,且基于舱音译码辨听和音频分析的传统方法难以准确获得舱音背景声的频谱特征。因此,获取、检验和比较已获舱音背景声的频谱特征的正确性十分必要。为解决此问题,以测录到的飞机超速音频警告声为研究对象,首先基于小波变换的多尺度分析获取该舱音背景声的频谱特征,然后提出基于线性调频Z变换方法和相关分析方法对该警告声的主要频谱计算比较。结果及应用表明：小波变换、线性调频Z变换（CZT）和相关分析三种不同理论方法的尝试为调查分析飞机事故原因提供了可供比较的、有效的新途径。     

飞机舱音记录器声信息识别方法的初步研究

有效识别舱音记录器声信息对失事飞机原因调查十分重要.文章介绍了飞机舱音记录器、舱音记录器声信息及特点.指出了当前国内基于计算机音频处理技术的舱音记录器声信息译码系统在对声信息辨听方法上存在的不足.系统提出了运用MATLAB语言和小波变换对舱音记录器所记录的声信息（噪声、语音信息和其它背景声信息）识别方法.     

一种舱音背景声的特征频率获取方法-CZT算法

针对传统舱音译码系统在辨听、分析舱音背景声上的不足,并利用线性调频Z变换(CZT)适用于高采样频率的信号、而且计算中可以任意调整频率的分辨率等频谱分析的灵活性,提出基于CZT获取飞机舱音背景声的特征频率的新方法.通过仿真和以飞机驾驶舱高速配平移动背景声为例进行计算分析.和实验测试结果对比得出:CZT方法是一种适合于确定舱音背景声特征频率的有效方法,对调查飞机事故原因具有较好的实用性.     

一种滚动轴承异音特征的综合识别方法

介绍了家用电器类滚动轴承音质异音特征的识别方法.通过小波变换原理,对轴承异音信号进行时频分析,采用一种无频带错位的小波包算法进行轴承的异音特征信号提取,清晰地刻画出轴承异音信号的特征函数,提出了基于子频带的K-L信息量的滚动轴承异音分析检测方法,然后以无异音状态为参考状态,利用K-L信息量建模方法进行分析判断,将分析判断的结果用于RBF神经网络的训练,不断地调整神经网络的输入参数,达到逐步提高异音信号判断精度和准确度.该方法同样适用于具有脉冲性质的异常音检测.实验结果表明,该方法在轴承异音探测以及分析方面具有较高的准确度、有效性和工程实用性,较之以往的时域、频域信号处理技术,该方法对异音信号分解更趋合理,是一种可靠和有效的滚动轴承异音特征的综合识别方法.     

飞机舱音记录器背景声信息的联合时频分析

机舱音记录器记录的舱音主要是由话语音、噪声和具有不同物理意义的背景声组成的复杂混合体,用传统的辨听和分析方法难以获取更多的舱音特征参数。以舱音记录器记录的主告警声为例,针对传统短时傅立叶变换在舱音辨听、分析的不足,将联合时频分析引入到飞机舱音分析中,扩展了舱音分析方法。对比分析结果表明：时频分布及其重排在时频分辨率、时频凝聚性、抑制交叉项干扰上各有所长,适合分析非平稳舱音背景声,从而为飞行事故调查提供一种值得借鉴的方法。     

典型舱音背景声在消声室中测试分析研究

基于全消声室良好的自由声场环境特性和声学测试原理,用LMSSC305对真实飞机和模拟机驾驶舱中的开关提示等4种典型舱音背景声在全消声室中进行测试分析应用研究。结果表明：基于全消声室测试的舱音特征谱值与理论计算结果一致,且比传统的人工译码辩听和音频分析的结果准确,验证舱音特征谱值计算结果的可靠性。     

基于信息融合的飞机舱音声信号分析与故障诊断

飞机黑匣子中舱音记录器记录的舱音声信息是分析、诊断飞行事故原因的关键依据之一。以多个典型舱音样本为例,在阐述信息融合原理基础上,构建信息融合三个层次模型,建立典型舱音特征库。开展基于产生式规则的信息融合的飞机舱音声信号的分析与故障,依据舱音二进制诊断树,得到分析诊断结果,为准确掌握飞行事故原因、分析诊断飞行事故、保障航空飞行安全具有一定借鉴作用。     

民机驾驶舱舱音小波包分析及特征提取

摘 要：针对民航事故调查中的舱音背景声分析,利用小波包分析方法,对不同种类开关手柄声进行了三层分解,提取了不同开关手柄声的各频带归一化能量特征用于对开关手柄进行识别。最后,以B737客机的常用开关手柄的声音为研究对象,采集了大量舱音信号,利用该方法,对舱音信号进行了分析识别,并对结果进行统计验证。
     

基于短时傅里叶变换的动力性运动疲劳肌音特征分析

肌音可用于跟踪局部肌肉疲劳引起的肌肉收缩性能的变化,之前相关的文献主要研究的是静力性运动疲劳的肌音特征.现在我们对动力性运动疲劳产生的肌音信号变化特征进行分析,提取腓肠肌坐姿负重提踵至疲劳所产生的肌音信号并进行分析,得到了肌音信号中值频率的变化规律.计算显示随着时间的延长和疲劳的加深,肌音信号的中值频率呈现增大的趋势,与静力性运动疲劳所得的结论有所不同.实验结果显示,肌音信号的特征受运动类型影响较大,静力性运动所得出的结论不能适用于动力性运动.     

基于小波基稀疏信号特征提取的轴承故障诊断

轴承弱故障振动信号中的瞬态成分极易被强背景噪声湮没而无法及时检测,结合稀疏表示原理提出一种基于小波基的稀疏信号特征提取方法,从而实现信号中瞬态特征成分的提取。通过构建原始信号瞬态成分稀疏表示模型,对原始信号采用相关滤波法获取最优小波原子,并构建最优冗余小波基底,实现小波基与信号故障特征的最优匹配;设计二次严格凸函数并运用MM(Majorization Minimization)算法求解模型中的目标函数,将信号中的瞬态冲击成分转化为稀疏表示系数,实现强背景噪声下弱特征的有效提取。仿真信号及轴承微弱故障试验验证了该方法能有效地检测和提取强背景噪声下的微弱瞬态成分。     

最小控制递归平均算法对光纤声音传感系统的降噪作用

为了解决恶劣环境下分布式光纤声音传感系统的声音还原问题,搭建了一种基于改进最小控制递归平均(IMCRA)算法的多通道光纤声音传感系统。采用Sagnac和Mach-Zehnder复合光路结构,以单模光纤作为传感单元拾取声音信号,借助光开关实现了多通道信号采集,并通过改进最小控制递归平均算法对声音信号进行降噪、还原及增强处理。实验结果表明:该系统可在长为4km的传感光纤上实现对单音信号和语音信号的多通道扫描拾取,并能够在复杂情况下实现对语音信号信噪比的有效提升,为光纤声音传感系统在恶劣环境下的应用提供了一种新途径。     

飞机舱音背景声下语音增强技术

有效提取飞机舱音背景声下的语音信息对飞行事故调查十分重要。提出一种适用于飞机座舱噪声环境下的语音增强方法。以卡方分布作为纯语音谱幅值的先验模型,采用最小均方误差短时谱估计法对带噪语音中的纯语音谱进行估计,误差估计方程中采用权值函数对估计值进行非线性加权。在仿真试验中利用语音质量的客观评价标准选取适合于舱音背景声下的纯语音谱估计参数,使增强语音中噪声抑制和语音失真之间达到平衡。最后将提出的语音增强方法与目前典型方法进行了对比实验,验证算法的有效性。     

汽车车门关闭声声品质客观评价

目前汽车声品质的研究多针对稳态声,非稳态声声品质评价方法欠缺,且噪声信号处理多采用FFT等传统方法,未充分考虑其非稳态特性。汽车车门关闭声为一种瞬态的非稳态噪声,关门声声品质的好坏常常能反映出整车的品质。以多款汽车关门声为研究对象,采用常用的声品质评价参数对其进行声品质分析。另外,采用小波变换方法,对关门声声信号进行时频分析,并对多款车的车门关闭声进行声品质评价,提出仅仅用响度、尖锐度等传统评价参量并不能很好反映非稳态噪声声品质特性,而通过时频分析则能对其进行很好的补充,但评价参量的确定还有待进一步研究,最后,提出下一步的研究方向和内容。     

平面近场声全息信噪比估计方法研究

针对全息面复声压信噪比对声场重构结果影响较大、往往不能直接测量问题,采用二维小波分析方法进行全息面信噪比参数估计,分析小波函数、分解层级对信噪比估计准确性影响,明确二维小波分析的参数选取,并以受简谐激励作用的四周无限大障板简支钢板为对象进行辐射声场全息重构仿真分析。结果表明,信噪比参数对实现准确声场全息重构十分重要,用二维小波分析方法进行全息面信噪比参数估计有效且可行。     

基于小波分析的电动机噪声检测系统研究

电动机的噪声是其质量控制和故障检测的关键参数之一。基于小波分析方法，提出一种应用计算机声卡的电动机噪声检测方案。利用计算机声卡的A/D转换功能来采集电动机的噪声信号，应用小波包滤波方法消除与回转频率无关的噪声干扰，提取与转速直接相关的振动信号。实验表明，这种方法降低了电机检测成本，能够准确地获取测试信号。     

小波阈值去噪法在超声信号处理中的应用研究

研究了小波阈值去噪方法在超声信号处理中的应用.在对用超声方法测得的信号进行去噪处理的过程中,探索了不同的小波基和阈值选取准则对阈值去噪结果的影响.通过对去噪信号的图形以及统计特性的分析和比较,选用Sym小波系中的Sym8小波和“Minimaxi”阈值选取准则对测得的信号进行去噪处理.实验结果表明：小波阈值去噪方法在超声检测去噪中能够取得较好的效果.     

基于小波包分析的声强计算方法

传统的基于FFT的声强计算方法是分析平稳噪声信号的有效工具，但是它却无法对机电设备发生故障时所辐射出的非平稳噪声信号进行有效的分析。由于小波包分析可以实现非平稳噪声信号在不同频带和不同时刻的合理分离，因此可以利用小波包分析对声强进行计算。文中应用自行研制的噪声自动分析系统对声强的计算方法进行了研究，提出了一种基于小波包信号分析技术的声强计算方法：并通过实验验证了该方法的正确性。该方法不同于传统的基于FFT分析的声强计算方法，可以实现对非平稳故障噪声信号的分析，为机电设备的噪声监测和故障诊断提供了一条研究途径。     

飞行状态下短翼菊头蝠与鲁氏菊头蝠回声定位声波小波包识别方法

为了对蝙蝠回声定位声波进行种类识别,论文基于离散小波包分解的特征提取方法,对飞行状态下短翼菊头蝠与鲁氏菊头蝠的回声定位声波进行三层小波包分解,提取两种菊头蝠在不同频率带内声波信号的能量作为特征参数,并根据U检验结果选取参数作为识别特征向量,进行BP神经网络识别。其中短翼菊头蝠和鲁氏菊头蝠回声定位声波训练样本分别为95个和102个,测试样本分别为44个和68个。对现有测试样本识别率达到100％。结果表明．基于小波包分析和神经网络的分类方法对蝙蝠回声定位声波进行识别是可行的。