基于特征融合的被动声纳目标识别

在被动声纳目标的分类识别中,不同的特征提取方法提取的特征反映了噪声信号不同的特性,一般情况下,很难做出某种方法优劣的判断.如何把这些不同的特征提取方法提取的特征矢量融合起来,对被动声纳目标分类识别非常有意义.在应用数据融合的方法对基于倒谱的特征提取方法、基于局域判别基的特征提取方法和基于听觉响度特征提取方法提取的特征矢量进行融合.提出了基于正态分布的概率密度函数的确定基本概率赋值的方法,利用三种特征提取方法对水声目标噪声信号进行特征提取,对提取的特征矢量进行融合,并进行分类实验,结果表明,特征融合使分类过程中的不确定性样本数减少,从而相应地提高目标分类的正确概率.     

基于模糊综合和最优小波包分解的信号多类分类

为了对音频信号进行有效地分类，提出了基于模糊综合和最优小波包分解的信号多类分类算法。首先，对音频信号进行窗化处理；其次，基于模糊集对信号进行最优小波包分解，并用最优小波包和信号感知特性来提取音频信号特征，在每一个小波子空间用支持向量机对信号进行多类分类；最后，用模糊积分将分类结果进行综合，得出最终类。试验采用不同的核函数和算法参数验证了本文算法的效果，结果表明本算法速度较快、精确度高。     

小波包熵在水下目标识别中的应用研究

研究了基于小波包变换和Fisher线性分类器的水下目标识别方法。小波包是在小波变换的基础上发展起来的时频分析方法,能够对非平稳信号提供更丰富的时频信息。通过对水下目标辐射噪声信号进行小波包分解,提取小波包分解的终端节点的熵值作为特征矢量,应用Fisher线性分类器设计的分段线性分类器对水下目标进行分类识别。仿真结果表明,以小波包熵作为特征矢量的分类方法具有较高的识别正确率。     

基于定量小波基选取与改进LDB算法的机械故障诊断

通过研究信息论中的各种测度,提出了一种以信息论中的共信息熵来开展故障信号分析的定量小波基选取的方法;同时针对局域判别基算法(Local Discriminate Bases,LDB)自身存在的一些问题,提出了一种基于改进的局域判别基理论的最优小波基分解算法,构造了以局域判别基空间上的结点能量为元素的特征矢量,并在滚动轴承上进行了实验研究;实验分析表明,该算法可以有效地识别旋转机械系统中不同严重程度的故障,且与原始的LDB算法相比,改进后的LDB算法对提高识别率和降低计算复杂度都有着明显的优势。     

基于融合能量代价函数的水声信号识别算法

提出了融合能量代价函数的概念及基于代价函数的小波包能量法,并将其应用于水声信号的识别。新算法以融合能量代价函数为标准,在整个小波库中构造最优小波包基,从小波包基上提取信号最有价值的特征值。由于从分类最佳的角度选择特征,所以与固定尺度小波包能量法相比,算法对分类特征模糊的信号有较好的识别效果。     

基于小波包最优基的音乐指纹提取算法

数字音乐指纹提取的主要目的是建立一种有效机制,用于比较2个音乐文件的听觉质量。提出一种基于小波包最优基分解的音乐指纹提取算法,利用与音频内容密切相关的小波包系数,将其作为特征进行指纹提取。实验结果表明,该算法对MP3,WMA和RM压缩、噪声、Stirmark for audio工具中常见的音频信号处理具有强鲁棒性,且在不同音乐之间具有较高可区分性。     

基于小波包和局域判别基的脚步信号提取方法

着重研究在复杂的城市背景噪声环境下,对入侵人员脚步信号的提取与检测.通过对脚步信号及城市背景噪声的频谱特征分析,提出一种基于震动信号的人员脚步信号提取方法,该方法通过小波包分解(WPD)结合局域判别基(LDB)划分信号特征频带,有效地分离了城市中的过往车辆对入侵人员脚步信号的干扰并做出准确提取,仿真与实验结果证明,与常用的脚步识别算法相比,该算法鲁棒性,普适性及抗干扰性更好,符合实际工程应用需求.     

有效的基于内容的音频特征提取方法

音频特征提取是音频分类的基础,好的特征将会有效提高分类精度。在提取频域特征Mel频率倒谱系数（MFCC）的同时,对每一帧信号做离散小波变换,提取小波域特征,把频域和小波域特征相结合计算其统计特征。通过SVM模型建立音频模板,对纯语音、音乐及带背景音乐的语音进行分类识别,取得了较高的识别精度。     

基于小波和神经网络的异步电机转子故障诊断方法研究

基于小波包变换的频率划分特性．对定子电流的Park矢量模信号进行小波包分解，建立了转子断条的故障特征矢量，准确地提取了转子断条故障的特征信息．克服了传统基于FFT分析方法难以提取故障特征频率分量的难点，结合BP神经网络非线性映射及分类识别的优点，将BP神经网络应用于电机转子断务故障的识别，实验结果表明，该方法可实现转子断条故障的可靠诊断。     

最佳能量小波包技术在海洋水声信号处理中的应用

对随机时间序列的特征提取与聚类分析,提出了基于分类距离标准的小波包基能量方法。该方法应用小波包变换提取信号各子空间的能量,以能量分类距离标准选取最佳小波包基,最佳小波包基上距离系数大的能量作为特征值。实验结果表明此方法比固定尺度小波包能量法有着更好的分类效果,并且特征值维数低。