利用辐射噪声对舰船进行定位

针对具有弹性海底环境中舰船目标的定位问题,本文利用辐射噪声对舰船目标进行定位研究。在匹配场定位原理的基础上,定义海洋波导频谱峰值对应的频率与接收信号的频谱峰值对应的频率差值为代价函数,当代价函数值最小时即为目标声源的深度与距离。在典型声速剖面环境下,无论辐射噪声功率谱是单纯的连续谱或是连续谱叠加线谱,仿真结果表明:本文定位方法均能有效估计目标距离,当辐射噪声功率谱叠加线谱时会降低方法的定位精度,但可以通过增大使用频段范围弥补方法定位精度的下降。将所提定位方法应用到舟山获取的的实验数据中,能够有效对舰船目标进行定位估计。     

多频波动线谱自适应控制算法及试验

研究了多频波动线谱激励下的主动隔振控制问题,提出一种改进小波包自适应控制算法.传统的自适应算法难以同时控制多线谱,当线谱存在频率波动时,窄带滤波算法难以取得理想的控制效果.因此,将小波包分解算法应用在控制算法中,对信号进行等间距频带划分,采取并行控制策略完成多线谱控制.分析了不同小波基函数对信号分解的影响,确定最优小波基.针对虚有线谱和子频带过多导致的控制过盈问题,改进小波包分解算法,降低了计算量,消除子频带中虚有线谱.为每个子频带设置独立步长,并根据箕舌线函数修正迭代步长.搭建控制系统开展试验研究,结果表明,本文所提改进小波包自适应算法在多频波动线谱激励下能够取得良好的控制效果,线谱振动能量显著降低.     

语音识别中DTW特征匹配的改进算法研究

采用基于动态规划方法的动态时间归正技术DTW(Dynamic Time Warping),可成功解决语音信号特征参数序列比较时时长不等的问题.在基于DTW的特征匹配用改进的动态时间归正方法将模板特征序列和语音特征序列进行匹配的基础上,比较两者之间的失真,得出识别判决的依据.实验表明,改进后的算法在孤立词语音识别中获得了良好性能.     

一种改进的DTW算法在人体行为识别中的应用

目前针对各维特征之间的相关性对动作识别影响的问题,解决的方法基本是采用欧氏距离作为其相似度的算法.结合Kinect体感设备提出了一种基于改进的DTW算法的人体行为识别方法,将马氏距离作为相似度测度引入DTW算法中进行改进.首先,利用Kinect设备采集人体骨骼信息,计算骨骼夹角信息,之后使用改进的DTW算法进行模板训练和人体行为识别.最后通过实验,对比采用欧氏距离、卡方检验和马氏距离作为相似度测度时,人体行为识别的准确率.实验表明引入马氏距离的DTW算法在识别正确率方面有所提高.     

基于动态时间规整算法的一维距离像雷达目标识别方法

针对高分辨率雷达一维距离像(HRRP)的目标识别问题,提出了一种基于动态时间规整(DTW)算法的雷达目标识别方法.该方法利用HRRP具有反映目标结构分布和几何形状的特性,通过角域划分建立各类目标姿态模板数据库,使用DTW算法估计HRRP与目标模板库中不同HRRP的相似度,选择最大相似度对应的目标模板作为目标识别的结果.仿真实验结果表明该方法的有效性和鲁棒性.     

基于倒谱分析的实时广播音频相似度快速比对算法

为了解决广播音频中经常存在噪声干扰和时间延迟导致音频比对结果不准确的问题,提出具有延时自适应意识的音频比对算法。针对常用算法中测量音频特征距离抗噪性能差的不足,采用倒谱对两音频的混合信号分析,并利用倒谱对功率谱中的等距离频率成分有很强的分辨能力这一特性来进行自适应延时估计和比对;为比对不同情况的两音频都可得到准确的相似度,提出对其中一音频加入短延时,再将两音频叠加混合后做倒谱分析;并根据加入不同短延时的效果选择出最优短延时,进一步提升算法性能。使用真实广播不同节目中截取出来的多个音频,在无噪声和不同信噪比加性高斯白噪声条件下,通过仿真实验评估了所提出算法的性能,比较了不同信噪比下的延时估计结果和音频相似度。实验结果证明,所提出方法的延时估计结果和比对结果优于现有算法,在低信噪比（SNR= 2dB）下,也可以达到90.36%的音频比对匹配精度,且计算速度能够达到实时比对的要求。     

基于DTW 和EMD的孤立词语音识别研究

针对语音识别过程中环境噪声干扰大的问题,提出一种基于经验模态分解(EMD)与动态时间规整 (DTW)相结合的孤立词识别算法。该方法利用EMD 算法,首先将提取的性能不好的语音信号分解成若干个基本模函数(IMF),去掉原始信号中的干扰和噪声。然后,基于DTW 算法,采用短时过零率和短时能量对语音信号进行端点检测,提取语音特征参数后与参考模板进行匹配。将参考模板与待测模板之间的最短路径作为识别结果。仿真结果表明,该算法能够提高语音的识别效率和识别的正确率。     

窄带弱信号的线谱检测——相干累加频域批处理自适应线谱增强方法

为了提高声纳远程弱信号或强干扰背景下的线谱检测能力，提出了一种利用相干累加频域批处理（coherent addition and frequency domain batch，CAFB）自适应线谱增强技术实现窄带弱信号线谱检测的新方法.该方法将接收信号进行相干累加预处理，使输出信噪比获得提高.提取线谱采用时域自适应线谱增强方法(adaptive line enhancement，ALE)，无需独立的参考信号，自适应地与相关的正弦或窄带信号进行匹配，可以从加性宽带噪声背景中将正弦或窄带信号分离出来.同时将频域批处理方法引入时域自适应线谱增强算法，有效地减小了算法的计算量．仿真和湖试、海试试验结果表明，该方法提高了低信噪比条件下的弱信号线谱检测能力，在获得较高的检测处理增益的同时解决了实时处理的运算量问题，使工程应用得以实现．     

语音特征匹配的图像配准方法

为了解决传统DTW算法准确度和效率不高的问题,提出了一种基于图像配准方法的语音特征匹配算法.该方法将MFCC参数映射为二值图像,并通过引入图像配准的方法进行模板匹配,达到了语音特征匹配的目的.实验结果表明,与传统的DTW算法相比,该方法的准确率、召回率和算法执行效率有了明显的提高.     

改进模板匹配的快速识别算法

为解决噪声导致的模板图像误匹配问题以及提高算法的识别速度和准确率,提出一种改进模板匹配的快速识别算法。该算法使用改进的低通滤波器对图像进行降噪处理,并使用改进的加权Hamming Distance,对图像进行相似度检测,降低算法的复杂程度,最后使用阈值和同伦骨架加快算法识别的运行速度。通过对不同背景下的噪声图像进行实验,该算法在目标识别过程中有很好的识别效果,对噪声有很好的鲁棒性,并且能够改善算法的运行效率,从而证明了该算法在目标识别过程中的有效性。     

基于DSP的语音识别系统设计

系统以16位数字信号处理器TMS320VC5502为核心,采用音频Codec芯片TLV320AIC23对语音信号进行采集和编码转换,通过端点检测、特征参数提取、DTW算法等关键技术实现特定人、小词汇量、孤立词的语音识别,最终根据LED闪灯次数检测数字0～9的识别结果。     

基于非线性取值DTW算法的鲁棒性语音识别系统

提出了一个在噪声环境下高效的语音识别系统。针对端点检测,提出了基于平滑函数的检测方法,从而提高了利用短时能量算法的检测精度。运行频谱滤波器方法在能量频谱和对数频谱用了两次带通滤波器减少噪声,在对数频谱内用倒谱均值相减的方法去除卷积噪声,从而减少了计算量。对于普：i~DTW（DynamicTimeWarpin）算法得到某个测试语音与该语音所有的参考语音相似值,应用一个非线性中值滤波器取中间某个值的方法来进行识别,从而提高了DTW算法的识别精度。利用少量参考语音,实现了高于HMM的识别精度同时又减少了训练的花费时间。     

基于压电薄膜传感器的机器人触觉识别系统

为了使机器人通过触觉感知外部环境信息,弥补视听交互信息缺失的不足,根据聚偏氟乙烯（PVDF）材料的压电效应设计开发基于触觉传感器和卷积神经网络的机器人触觉识别系统,能够根据所采集的触觉信号识别出材质类型. 提出基于渐进式级联卷积神经网络的触觉识别算法. 该算法基于卷积神经网络提取机器人传感器的信号特征,包括经过短时傅里叶变换的触觉数据频谱图和信号表征周期内的时域特征. 为了解决特定材质识别混淆的问题,利用K-Medoids聚类算法和动态时间规整（DTW）距离度量算法将分类过程区分为粗、细2个层次,构建渐进式分类模型. 实验表明,设计的触觉传感器对物体材质的平均识别正确率约为97%,机器人能够成功识别触摸到的真实材质,为下一步的探索交互任务奠定基础.     

基于改进DTW的彝语孤立词识别研究

彝语的语音识别与处理是语音信号处理领域的一个新方向.本文在深入分析彝语特点的基础上,对用于汉语孤立词识别的经典端点检测算法进行了改进.探讨了动态时间规整算法(Dynamic Time Warping,DTW)和高效动态时间规整算法(Efficient DTW,EDTW)在彝语孤立词识别中的应用,并提出了两种新算法:基于音节个数的动态时间规整算法(Syllable Number Based Improved DTW,SDTW)和基于音节个数的高效动态时间规整算法(Syllable Number Based Improved EDTW,SEDTW),对特定的彝语语音信号进行识别.实验结果表明,所提出的两种新算法分别在信号识别率和识别时间上比经典算法优越.     

基于动态阈值和DTW的ECG身份识别算法

人体心电信号(ECG)虽然是非稳态时变信号,但现有研究表明其可以作为一种新型的生物识别特征用于对识别分辨率要求不高的应用场合,或与传统生物特征相结合来提高识别性能。本文给出了一种能针对不同实验对象动态设定阈值以提取典型波形,并利用加权动态时间弯曲法(DTW)进行ECG身份识别的算法。在模板登记阶段,首先对经去噪处理的一段ECG波形进行R点检测,然后通过动态阈值设定得到一段典型的包含完整心电周期信息的心电波形,最后将其作为模板波形存入用户模板库。在身份识别阶段,基于前述经动态设定的阈值进行心电波形选择,实时提取测试波形,然后基于经长度加权的DTW算法进行测试波形和模板波形的相似度计算,最终实现用户身份识别。     

基于Labview平台的与文本有关的说话人辨认系统的实现

在LABVIEW平台上，通过声卡获得语音信号，设计了以美尔频率倒谱系数及其差分作为语音识别的特征参数，通过动态时间规整算法来识别的与文本有关的说话人辨认系统．     

基于Mel倒谱特征和RBF网络的孤立词语音识别方法

Mel谱失真测度是一种弯折频率谱失真测度,用Mel频率尺度可较充分地反映人耳对频率及幅度的非线性感知特性,以及人耳在听到复杂声音时所表现的频率分析和谱合成特性。本文针对孤立词语音识别,对常规LPC倒谱特征提取方法进行改进,即将LPC倒谱按符合人耳听觉特性的Mel尺度进行非线性变化,得到LPC Mel倒谱系数(LPCMCC)作为特征参数。识别网络使用RBF神经网络,进行了孤立词语音识别。实验结果表明此种方法抗噪性能好,识别效果高。     

基于kDBA++聚类算法的谐波污染分区策略

随着电网中非线性负荷大量接入及电力电子化率的逐步提升,谐波问题日渐严重,开展电力系统谐波污染区域化治理,是一种有效解决思路。谐波污染分区的意义在于,同一分区内的谐波畸变主要由该分区内的谐波源导致,而受其他分区谐波源影响较小。为此,提出了一种抗时移聚类算法kDBA++。首先,考虑到电能质量监测数据具有高维度、含噪声等特点,采用分段聚合近似(Picesise Aggregate Approximation,PAA)算法对数据进行压缩降噪预处理,降低后续计算复杂度。其次,采用kmeans++算法作为逻辑框架,考虑非同步测量下数据间存在时移现象,难以直接利用kmeans++开展聚类,从而引入动态时间弯曲(Dynamic Time Wraping,DTW)距离对算法进行优化。进而,考虑到DTW距离下聚类质心难以获取,采用DTW质心平均算法(DTW Barycenter Averaging,DBA)克服这一局限性,并最终得到所提kDBA++算法。采用IEEE123节点仿真系统及实际工程案例开展算法对比分析,结果显示所提kDBA++算法聚类精度优于现有算法,可准确进行谐波污染分区。此外,利用谐波污染分区转移阻抗矩阵及谐波贡献度对求得分区加以验证,分析结果表明,各谐波源对其所在分区内节点的谐波畸变影响较大,而对非同一分区节点的影响较小,从而论证了所提方法的实用性和有效性。     

基于DTW双边界的过滤查询

目的设计基于DTW的高效过滤算法,提高时间序列数据流的过滤查询的效率．方法提出基于DTW的双边界的概念,并在此基础上定义新的更紧密的基于DTW的下界距离．结果实验证明基于DTW双边界的过滤算法在不发生错误丢失的情况下改进了算法的效率．对于模式间差异较大的情况,算法性能更好．结论基于DTW的双边界算法可以有效地过滤时间序列数据流．