基于外部载荷位置预测的光纤传感器故障信号识别技术

为了解决传感器故障识别过程中识别效率低和精度低的问题。提出了基于外部载荷位置预测的光纤传感器故障信号识别方法。通过合成外差算法和傅里叶变换解调和去噪传感器信号；采用本征模函数提取不同故障下信号特征。并将其分为状态信息和扰动分量两部分。计算二者之间的近似性。结合线性模型提取故障信号特征向量；利用系统灰色性故障识别方法和外部载荷位置预测传感器多角度负载并进行融合处理。构建灰色关联矩阵计算其与标准数据之间的贴近度。完成光纤传感器故障信号识别?仿真分析结果表明。所提方法在故障信号解调、去噪以及识别方面均具有明显的优势?对深入研究传感器起到了一定的推动作用?     

基于智能监控的独居老人室内异常行为检测

提出一种基于动作能量图的独居老人室内异常行为识别方法。首先用背景减除法对目标进行前景提取,然后提取人体运动目标的动作能量图,对提取后的动作能量图用傅里叶描述子进行边界描述并提取主傅里叶描述子。提出一种基于最近邻分类器的分层识别算法,同时提出一种动态能量描述子DED,将主傅里叶描述子和结合动态能量描述子DED相结合,用分层识别算法对异常行为进行识别。实验表明,该方法简单实用,对独居老人室内跌倒的正确识别率高达97%。     

半自动眉毛识别方法

提出了基于哈希图半监督学习和支持向量机的半自动眉毛识别方法。针对图半监督学习构图时间复杂度过高的缺点,提出了基于哈希图半监督学习的纯眉毛图像半自动提取方法。在纯眉毛图像的基础上通过傅里叶变换和Gabor变换及主成分分析提取纯眉毛图像的特征向量,用于支持向量机的训练和识别。在北工大眉毛数据库上,通过眉毛识别实验,分析了图半监督学习和哈希图半监督学习对提取纯眉毛图像速度的影响,并且总结了它们与特征向量和核函数的选择对识别率的影响。     

基于时频融合特征的3D空间手写识别

研究基于3D加速度传感器的空间手写识别技术,提出一种基于时频融合特征的分类识别方法。从加速度数据中提取短时能量 (STE)特征及低频分量,经快速傅里叶变换后提取频域特征WPD+FFT,将时域特征STE和频域特征WPD+FFT进行特征融合,利用主成分分析法对其降维,采用支持向量机进行分类识别。实验结果表明,该方法能提高空间手写识别系统的识别率。     

钢琴弦振动谱分析及其音色重构

本文从钢琴弦振动方程推导着手,通过傅立叶变换分析钢琴振动的时域频域特征以及影响其音色的要素,并提出一种基于加权柯西函数的方法,用计算机模拟钢琴演奏的音色。实验验证,这种频域的音色重构方法,不触发任何波表,更贴切地模仿了真实钢琴的音色。     

基于傅里叶-隐马尔科夫模型的人体行为识别

研究人行为识别的正确性,针对提高对人体行为序列图像进行识别的能力,隐马尔科夫模型(HMM)是一种统计分析模型,具有时序模式分析能力.为了增加图像信息的有效性,提出了一种傅里叶与隐马尔科夫模型相结合的方法人体行为识别方法.通过获得各种人体行为的二值图像序列,对待识别的序列图像提取具有旋转、平移和尺度不变性的傅立叶特征,采用了一种基于中心距的傅里叶描述子,利用改进的隐马尔科夫模型对提取的特征向量进行分类,得到人体行为的识别结果.试验结果表明,系统的识别率与HMM的状态数和观察值数有关,方法是有效且可行的,设计适当的HMM分类器能使系统的识别率达到90%以上,实际应用效果满足要求.     

钢琴弦振动谱分析及其音色重构

本文从钢琴弦振动方程推导着手,通过傅立叶变换分析钢琴振动的时域频域特征以及影响其音色的要素,并提出一种基于加权柯西函数的方法,用计算机模拟钢琴演奏的音色.实验验证,这种频域的音色重构方法,不触发任何波表,更贴切地模仿了真实钢琴的音色.     

基于神经网络的人体动作识别方法

人体动作识别一直是计算机视觉领域的研究重点。为了提高人体动作识别的准确度,本文提出一种基于神经网络的加权识别方法。首先利用ViBe算法提取人体运动前景,计算前景重心,然后将轮廓重心距作傅里叶变换获得傅里叶描述子,最后利用本文提出的基于神经网络的加权识别方法进行分类。实验结果表明,本文方法的识别率在89%以上。     

基于增强AlexNet的音乐流派识别研究

针对机器学习模型对音乐流派特征识别能力较弱的问题,提出了一种基于深度卷积神经网络的音乐流派识别(DCNN-MGR)模型。该模型首先通过快速傅里叶变换提取音频信息,生成可以输入DCNN的频谱并切割生成频谱切片。然后通过融合带泄露整流(Leaky ReLU)函数、双曲正切(Tanh)函数和Softplus分类器对AlexNet进行增强。其次将生成的频谱切片输入增强的AlexNet进行多批次的训练与验证,提取并学习音乐特征,得到可以有效分辨音乐特征的网络模型。最后使用输出模型进行音乐流派识别测试。实验结果表明,增强的AlexNet在音乐特征识别准确率和网络收敛效果上明显优于AlexNet及其他常用的DCNN、DCNN-MGR模型在音乐流派识别准确率上比其他机器学习模型提升了4%~20%。     

基于FFT的单旋律乐曲乐器频率的识别与分析

不同材料制作的乐器的音高(基频的振动频率)、音色都不同.文章以MATLAB为平台,使用matlab中原有函数audioread()来读取音频文件,利用FFT快速傅里叶算法绘制出频谱图,由于FFT变换后返回的幅值呈现对称性所以使用abs()函数取出前半部分有效值,再使用max()函数提取出不同乐曲频谱图中的最大幅值及其所在位置,根据公式F(n)=(n-1)*FS/N计算出相应的频率,这个频率代表的是基频的频率,反应的是乐器的音高.该方法通过提取单旋律乐曲基频的实验来比较小提琴和长笛的基频频率大小,从而达到不同乐器频率识别的功能,来完成计算机能够自动识别乐器的目标.     

基于Matlab实现音乐识别与自动配置和声的功能

给出了如何使用Matlab对现实演奏的音乐进行识别、并自动配置相应的和声的一套方法。详细分析了,从一段现有的钢琴单音旋律到最终自动产生和谐的多音色和声的整个过程。综合了物理、数学、自动化、音乐等领域的相关知识,最终实现自动给音乐配和声的功能。     

悲伤型乐器的音色建模技术研究

提出了一种悲伤型乐器的音色模型,为基于情感的算法作曲提供音响基础。采集擅长表达悲伤情感的乐器的乐音样本,利用离散傅里叶变换获取频谱特征,通过对乐器波形的分析计算获取包络特性,最终构建了一种悲伤型乐器的音色模型。通过实验验证了由该模型产生的悲伤型音色及模型本身具有良好的可调节性。与传统的录制形式相比,该方法成本低,灵活性强,对计算机音乐技术的发展和算法作曲的情感化也起着重要的推动作用。     

舰船辐射噪声节拍功率增率特征提取

舰船辐射噪声节拍的音色特征是水下目标识别的重要依据,其与节拍能量的变化相关。首先采用短时傅立叶变换对舰船辐射噪声进行时频分析,然后根据时频能量分布图,分别计算节拍能量最强和最弱处累积功率谱,功率增大率反映了节拍的音色特征,是舰船辐射噪声的重要特征。通过实验证明:与以往的功率谱特征相比,节拍功率增率特征和功率谱特征联合识别能有效的提高识别率。     

A genetic algorithm for dynamic advanced planning and scheduling (DAPS) with a frozen interval

Since the opening of Chinese economic, a great amount of Taiwanese merchants enter Mainland China for investment. The annual production of bamboo flutes in China is over 4 millions to provide domestic and international consumers. Owing to the great amount of demand, folk instrument industry is one of the attractive investment items. In order to increase the product manufacturing process and promote the product quality, the implementation and application of an automatic timbre evaluation system with spectrum analysis and cluster algorithm to increase the flute quality becomes an important method for Taiwanese businessmen to earn more profits. This research is to implement an automatic timbre quality system to evaluate the timbre quality of Chinese flute in flute businesses. From research data displays that the automatic timbre evaluation system does help the traditional handicraft manufacture classify the timbre quality of flute more effectively.     

A synthesizer based on frequency-phase analysis and square waves

The generation of synthetic signals has been one of the first applications of computers. As a matter of fact the earliest electronic computers were analog and their output was, in effect, a signal. With the advent of digital electronic the initial method employed has been the application of the Fourier Theorem, generating signals as series of sinusoids, a technique deserving a name by its own: “additive synthesis”. The advantage of the technique is the great control on the parameters of the generated wave. The main disadvantage is the complexity of the computation involved, namely for each component many samples of sinusoid need to be computed, and this usually requires a special hardware to be performed in real time. The reason is that the sine wave, although being natural for physical linear systems, is very complex in the digital domain. This article introduces an effective generalization of the polar flavor of the Fourier Theorem based on a new method of analysis. Under the premises of the new theory an ample class of functions become viable as bases, with the further advantage of using the same basis for analysis and reconstruction. In fact other tools, like the wavelets, admit specially built nonorthogonal bases but require different bases for analysis and reconstruction (biorthogonal and dual bases) and vectorial coordinates; this renders those systems unintuitive and computing intensive. As an example of the advantages of the new generalization of the Fourier Theorem, this paper introduces a novel method for the synthesis that is based on frequency-phase series of square waves (the equivalent of the polar Fourier Theorem but for nonorthogonal bases). The resulting synthesizer is very efficient needing only few components, frugal in terms of computing needs, and viable for many applications.     

基于改进PCA和支持向量机的掌纹识别

掌纹识别是一种新兴的生物特征识别技术。掌纹识别是用掌纹特征(包括人眼可见的和不可见的)来进行身份鉴别的一种方法。其中掌纹特征提取和掌纹特征匹配是掌纹识别研究的关键部分和核心内容。在特征提取方面,给出了两种改进的特征提取方法。先对掌纹图像进行傅里叶变换,再对变换后的图像进行主成分分析;针对掌纹图像的特点,对PCA进行改进,设计了适用于掌纹图像的分块主成分算法。将一整幅掌纹图像分为若干子块图像,在此基础上进行主成分分析。通过实验验证了改进的特征提取方法可以提高识别准确率。在特征识别方面,模版匹配虽然在一定程度上计算量小,准确率高,但容易陷入小样本问题。因此通过训练SVM分类器,进行掌纹识别。实验证明该方法有较好的可行性。     

基于傅立叶描述子的步态识别

提出了基于傅立叶描述子的步识别方法。用背景差方法得到运动人体的轮廊,通过步态周期分析提取步态序列的关键帧。利用傅立叶描述子处理关键帧的轮廊线序列,并进行数据维数压缩,得到匹配模板。用最近邻近法进行分类和识别。应用上述方法在Soton步态数据库上进行了实验,结果表明所提的步态识别方法具有罗高的识别性能。     

基于一维傅里叶变换特征提取的纸币识别

纸币识别系统包括纸币图像采集、图像预处理、特征提取及分类器设计等几个步骤。其中特征提取的有效性直接影响到整个系统的识别效果,是至关重要的环节。本文针对不同面值长宽、图案相近的纸币,提出一种局部区域一维傅里叶变换特征提取的新方法。实验结果表明,该方法取得了很高的识别率,有较大的实际应用价值。     

基于三电平中心削波自关分析的钢琴音准测量

论文介绍三电平中心削波自关分析法原理、这种方法应用于钢琴音准检测遇到的困难及改进的方法。由此实现的钢琴音准计算机检测系统,能够对经过人工粗调的钢琴进行音准的自动检测并以表格形式给出钢琴上各键的音准偏差值,为钢琴的音准指标提供了定量的依据。