基于关联维数和线段聚类的滚动轴承故障诊断

提出一种基于关联维数的滚动轴承故障特征提取方法。线性标度区域的识别是影响关联维数准确度的重要因素,针对关联维数线性标度区对应的二阶导数在零上下波动这一特征,将二阶导数数据点转化为线段,再利用线段的聚类方法进行两次聚类分析,并应用统计学准则排除粗大误差,最后对数据拟合得到特征值。对经典的Lorenz混沌系统进行仿真分析,具有良好的效果,并对滚动轴承4种状态信号进行特征分析,实验表明该方法能更加准确地识别出轴承故障信号。     

深度学习在机械设备诊断中的应用

传统的机械设备状态监测是根据经验通过提取现场采集的振动信号特征值构建特征空间,采用多种方法对特征值进行聚类、分类,从而实现对设备状态的分类。但这种方法严重依赖于专家经验,并且效果受到信号噪声等众多因素的影响。分别在经典一维和二维卷积神经网络的的基础上,提出两种机械设备智能故障诊断方法,并通过凯斯西储大学轴承数据中心发布的数据集比较两种模型的性能,实验结果表明,基于一维卷积神经网络的智能诊断方法更适用于一维振动信号。将基于一维卷积神经网络的智能诊断方法应用于石化厂的机泵设备,证明其能实现特征自适应提取,可取得较好诊断效果。     

基于自相关特征的舰船大小识别方法

基于自相关处理方法,提出了一种利用舰船辐射噪声自相关曲线特征值对舰船大小进行识别的方法,并利用BP神经网络对两类海上实测舰船目标噪声信号进行了识别。实验结果表明,利用该方法对舰船目标大小具有较好的识别效果。该法与其他识别方法相比,在保证较高分类识别率的前提下,特征量提取方法简单,特征量维数少,运算量较低,更便于工程实现。     

基于主分量分析的声信号特征提取及识别研究

主分量分析(PCA)是统计学中分析数据的一种有效方法。研究了基于这种算法对四种战场目标的声信号进行特征提取,获得了低维的特征类器对声目标进行分类,分类结果准确率较高,均获得满意的实验效果     

复制粘贴音频信号的篡改检测技术研究

根据数字录音设备在录音过程中不仅记录语音内容本身,还携带微弱的电网信号的特点,提出一种基于电网频率的特征提取和复制粘贴篡改检测方法。方法利用Duffing带通滤波器获取携带电网信号的语音信号,然后提取该语音信号的Mel频标倒谱系数(MFCC),最后将特征参数运用于基于量子模距离的判决模型,对音频信号进行复制粘贴篡改检测。通过实验分析,该方法在数字语音删除、复制粘贴篡改检测方面,具有较高的正确率;音频信号越长,检测的正确率越高;MFCC参数提取过程中,帧长和帧移越小,检测的正确率越高。该方法可为音频信号篡改检测提供一个新的研究方向。     

基于敏感特征评估的退火窑辊道轴承故障诊断方法

针对玻璃生产线退火窑辊道轴承振动信号存在强噪声污染,故障诊断准确率低,效率差等问题,提出了一种基于灰关联熵分析和敏感特征评估的辊道轴承故障智能诊断方法。首先,将原故障信号用经验模态分解为多个IMF分量,采用灰关联熵分析法筛选IMF分量并进行小波阈值降噪,重构故障信号。其次,选择时域和频域特征,定义基于故障特征类间、类内距离的敏感特征评估因子,筛选出敏感特征集。最后,使用RBF神经网络对故障特征集进行识别。滚动轴承故障测试实验结果表明,该方法能够有效提升故障轴承振动信号的信噪比,并评估筛选出敏感特征,从而实现对滚动轴承的智能诊断。     

基于HMM的瞬态回波分类研究

本文从瞬态回波与语音信号在非线性时变方面的相似性出发,分析了隐马尔可夫模型用于瞬态回波分类的可行性并选择了一种较合的ＨＭＭ结构对两类仿真回波信号进行了分类,取得了较好的效果。     

飞行状态下涡扇发动机风扇音频信号合成

为了能以快速、低成本的方式获得飞机起飞过程中,噪声适航审定飞越噪声测量点处涡扇发动机风扇部件的音频信号,对该音频信号的合成方式进行了研究,并提出了一种基于Heidmann风扇噪声预测模型的音频信号合成方法。该方法首先将环境参数、涡扇发动机风扇部件的尺寸参数和性能参数输入Heidmann预测模型得到源噪声数据,根据ANP数据库计算得到航迹数据,接着根据航迹数据对源噪声数据进行修正,得到噪声适航审定飞越噪声测量点处噪声数据。将上述数据输入Adobe Audition软件,分别用加法合成法和减法合成法合成单音噪声和宽频噪声,再在该软件中对噪声进行组合拼接,最后得到飞行状态下风扇部件的音频信号。对合成的音频信号进行播放并使用声学测量仪器进行测量,验证了该方法的正确性和有效性。     

基于子空间方法的语音增强算法研究

给出了一种基于子空间方法的语音信号增强处理算法，该算法提供了在语音信号失真和残留噪声之间进行控制的机制，克服了以往语音增强算法中对语音信号的噪声特点的限制，可以对混有加性白噪声、有色噪声和音乐噪声的语音信号进行增强处理。     

基于音频识别的锅炉爆管事故的监测分析

燃煤电厂锅炉压力管道爆管故障频发,严重威胁到电厂锅炉的安全运行,为提高对该类爆管事故的及早发现与实时监测的能力,提出了一种基于音频特定频段相关特征值的对爆管事故的识别方法。该方法通过采集锅炉本体周围的相应危险点的声音信号,经滤波、基于LPC距离的端点检测算法和自适应的抗噪音频特征参数提取算法等,对其做相应的频谱特性分析,以提取爆管音频的频率与幅值的特征值,并进行自动识别。试验分析结果表明,该研究有效地解决了锅炉爆管事故的及早发现与实时监测问题。     

带噪语流中浊音端点检测

浊音端点检测在语音处理中占有重要地位,在语音编解码、语音识别、语音增强处理中都需要用到端点检测技术。常规的以短时能量、过零率等作为判决特征参数的方法无法在低信噪比的系统中满足应用需求。本文以信号的共振峰和基音周期检测为基础检测浊音端点,算法首先提取语音信号的第一共振峰以及基音周期信息并以此为判决依据判断浊音的起点和终点。实验证明,这种方法在噪声环境中相对于传统的基于能量检测的或AMR_WB标准中的端点检测算法有更高的正确率。     

基于LabVIEW平台的ABX测试系统

讨论了一种基于LabVIEW平台，用于测试人耳对音频信号失真程度主观评价的ABX测试系统。该系统人机界面友好，提供了一个用于测试音频信号失真是否能被人耳识别的音质测试平台。该系统可用于对音频水印算法以及音频信号和语音编码等系统的性能评价。     

基于MCE/GPD的语音识别及其一种Robust应用中初始参数的选择

首先讨论了基于ＭＣＥ／ＧＰＤ的语音识别研究的的最新进展。在此基础上，提出了一种环境特征判别学习的Ｒｏｂｕｓｔ语音识别方法，该方法基于最小分类错误准则利用梯度下降法迭代地学习环境特征。由于梯度下降法产生的是局部最优解，因此，寻找较好的环境特征初始值就显得非常重要。最后，讨论了这种环境特征判别学习方法中参数的初始值选择问题。     

人工耳蜗植入者音乐感知研究

目前,大部分人工耳蜗使用者在安静情况下的言语感知能力基本达到较高水平,然而其音乐感知能力尚未达到理想水平,音乐感知研究已成为目前人工耳蜗领域主要关注的研究方向之一。主要探讨人工耳蜗使用者音乐感知研究的研究方法、材料,并分析影响其音乐感知能力的主要因素。对音乐的四大要素即音高、时长、响度及音色等的研究进展进行讨论,从信息的传输和接收间的关系分析影响人工耳蜗植入者音乐感知的因素。对现有的主、客观测试以及调查问卷等研究手段进行总结。综合分析了目前音乐感知研究的进展,并对未来的研究发展方向进行展望。     

采用双谱特征的语音可懂度评价算法

针对现有的语音可懂度评价方法不能有效地处理信号在多种类型的非线性失真下的变化,提出了一种基于双谱特征的语音可懂度评价(Bispectral Speech Intelligibility Metric,BSIM)算法,用三阶统计量从语音信号的谱图中提取特征。双谱可以检测语音信号中的非线性相位耦合,抑制非高斯信号中的高斯噪声,从而揭示更多隐含于信号内部的有用信息。将本方法与现有的语音可懂度指标进行了比较,结果表明,此方法可以成功地预测线性失真和非线性失真造成的语音可懂度下降,其评价结果与主观可懂度结果具有很高的相关度,对信号失真变化敏感。     

情感语音特征对语料库依赖性的统计分析

简述线性预测倒谱系数（LPCC）、Teager能量算子（TEO）、梅尔频率倒谱系数（MFCC）和过零峰值幅度（ZCPA）特征提取方法,并将这四种方法应用于情感识别。设计两种实验,第一种是使用TYUT和Berlin语料库的单语言实验,这种实验证明,以上四种特征在单一的语料库单一语言条件下均能够有效地表征语音的情感特征,其中MFCC特征对情感的识别率最高。第二种实验是混合语料库的单一语言实验。之前大多数关于情感特征的研究都是基于某一种语料库中某种特定语言的,但在实际中,说话人的背景环境总是多种多样。因此,对特征的混合语料库研究是有现实意义的。第二种实验证明这四种特征都是语料库依赖性的,其中 ZCPA特征的识别率下降最少。     

结合注意力机制和因果卷积网络的维吾尔语方言识别

针对传统x-vector模型生成方言语音段级表示时,未考虑不同帧级特征对方言辨识作用不一致的问题,以及维吾尔语的黏着性特点,提出结合注意力机制和因果卷积网络的维吾尔语方言识别方法。首先使用多层因果卷网络实现方言语音序列建模,然后采用空洞卷积核增大感受野扩展采样范围,最后使用注意力池化获取方言语音段级特征。维吾尔语方言识别实验结果表明,所提方法较标准x-vector模型方言识别的识别准确率提升了23.19个百分点。     

基于多感官交互的阿尔茨海默老人智能穿戴产品设计研究

目的 研究听觉、触觉与视觉多感官刺激因素介入阿尔茨海默病老人护理的反馈效果,借助智能软硬件技术增强其对音乐的感知,设计多感官交互的老人智能穿戴产品。方法 根据感知替换及通感原理,创建能够将音乐转化为振动及视觉信息的感官替代方法,并通过实验测试分别验证听–触觉和听–触–视觉两类多感官交互原型的可行性。结果 在融合听–触觉的基础上加入视觉设计,可以更好地激发老人的言语行为能力。在收集被试者使用反馈分析结论的基础上设计了一款指尖振动音乐可穿戴设备——指尖钢琴,通过提供以触觉、听觉、视觉融合的多感官体验来促进患者的主动行为。结论 多感官交互产品的设计对改善阿尔茨海默病患者的情绪和主动行为具有一定的效果,对老年患者身体健康和生活质量的提高具有积极意义。     

Method for Evaluating the Clarity of Speech Received Through the Channel of Intercommunication Devices of Self-Contained Respirators

A method is described for evaluating the clarity of speech received through the intercommunication channels of self-contained respirators based on transforming the speech communication into an electrical signal, then into digital form and use of a PC for formant evaluation of speech clarity and intelligibility.     

Analysis and Process of Music Signals to Generate TwoDimensional Tabular Data and a New Music

The processing of sound signals is significantly improved recently. Technique for sound signal processing focusing on music beyond speech area is getting attention due to the development of deep learning techniques. This study is for analysis and process of music signals to generate tow-dimensional tabular data and a new music. For analysis and process part, we represented normalized waveforms for each of input data via frequency domain signals. Then we looked into shorted segment to see the difference wave pattern for different singers. Fourier transform is applied to get spectrogram of the music signals. Filterbank is applied to represent the spectrogram based on the human ear instead of the distance on the frequency dimension, and the final spectrogram has been plotted by Mel scale. For generating part, we created two-dimensional tabular data for data manipulation. With the 2D data, any kind of analysis can be done since it has digit values for the music signals. Then, we generated a new music by applying LSTM toward the song audience preferred more. As the result, it has been proved that the created music showed the similar waveforms with the original music. This study made a step forward for music signal processing. If this study expands further, it can find the pattern that listeners like so music can be generated within favorite singer’s voice in the way that the listener prefers.