一种嵌入式系统软件水印识别器的VLSI实现

提出了一种基于分支软件水印方案识别器的VLSI实现.硬件形式的识别器一般难以获取嵌入式系统内部的函数返回地址,通过改进获取指纹信息分支函数(FBF)入口的方法,使得只需要根据系统的程序指针和指令字就可以完成FBF函数入口的识别,使原有方法更适用于嵌入式系统.最后针对所支持的指令集进行了仿真测试,并对设计实现进行了逻辑综合.性能分析表明,硬件形式识别器识别速度远远超过软件的识别速度.     

一种基于受限玻尔兹曼机的说话人特征提取算法*

基于总体空间差异模型的身份认证矢量(即i-vector)已经在说话人识别任务中得到了广泛应用。本文提出了一种基于受限玻尔兹曼机(RBM)的说话人特征向量提取方法来替代总体差异建模的特征提取方法。该方法通过训练得到RBM的模型参数,之后利用隐层输出来表征输入语音超向量的说话人信息。文中比较了不同结构和模块(包括构建RBM的2种单元分布、线性判别分析等)对说话人确认性能的影响。所提方法作为一种新的i-vector特征表示方法,在NIST SRE 2008上取得了和ivector说话人基线系统相当的性能。通过与i-vector基线系统进行融合,系统性能进一步提升。在NIST SRE 2008女性电话语音测试集和男性电话语音测试集上的等错误率分别降至6.83%和4.73%。     

一种基于MATLAB实现的男女声识别算法

为解决男女声音识别的问题,将基音频率作为鉴别男女声音的标准,分别采用傅里叶变换和基于自相关的方法进行了语音的基音提取,并用MATLAB编写程序进行解算,然后通过分析比较得出基音频率。仿真结果表明,根据程序获得的基音频率,能够有效和较为准确地进行男女声音识别。     

EEMD样本熵在轴承故障SVM识别中的研究

滚动轴承故障支持向量机(SVM)智能识别的关键技术是故障信息的提取。由于小波变换和经验模态分解分别存在非自适应和模态混叠的缺陷,采用总体平均经验模态分解(EEMD)和样本熵来提取滚动轴承故障信息。实验中采集了3种工况和3种点蚀直径下的滚动轴承振动信号并进行小波降噪,降噪后信号用EEMD分解为若干个IMF分量,用样本熵表征主要分量的复杂性,同时设计了以EEMD样本熵作为训练和识别样本的SVM滚动轴承故障分类识别器。实验结果表明该方法在小样本的情况下能准确识别轴承正常和内圈、外圈、滚动体故障,并且随着样本数量增加识别准确性提高。     

表面肌电信号采集及动作识别系统

搭建了一个表面肌电信号采集及动作识别系统,系统由硬件和软件两部分组成。硬件部分前端采用一次性表面贴片式电极作为输入传感器,肌电信号采集后经信号放大器的滤波放大、经数据采集卡的模数转换后将信号输入到电脑;软件部分在LabVIEW平台下开发完成,利用小波变换方法进行特征提取,采用BP神经网络进行人体上肢特定动作的识别。特征提取和动作识别均在LabVIEW平台下实现。通过该系统,实现了对于肌电信号的实时采集、处理和对所设定上肢动作的准确识别。     

小波变换在早期损伤识别中的应用

提出了小波变换用于早期损伤的识别的方法.对小波理论做了简介,并通过仿真实验验证小波变换对损伤识别的能力.通过观察连续小波变换(CWT)的小波系数的模极大值或者离散小波变换(DWT)中的细节信号,识别动(静)态信号中的奇异值,从而判别出损伤的位置.此方法仅需要有损伤的结构的响应信号,不需要未损伤结构的响应信号及其结构信息,所需的信号可以是静态的,也可以是动态的.将该方法应用到带裂纹的悬臂梁有限元模型,通过瞬态、静力分析采集信号,精确定位裂纹的位置和数量.与传统方法相比,该方法不仅可行性强,经济方便,而且检测结果更为精确可靠.仿真实验表明,小波变换的方法是有力可靠的结构早期损伤识别方法.     

基于自适应TQWT和样本熵的供输弹系统故障诊断识别

为解决复杂供输弹系统早期微弱特征提取的问题,提出将自适应可调品质因子小波变换(TQWT)和样本熵相结合的供输弹故障诊断方法.基于能量加权归一化小波熵对TQWT的必要参数进行自适应选取,运用样本熵特征指标选出5个最优的特征子带,将样本熵组成的特征向量作为Elman神经网络的输入,对供输弹系统早期故障进行识别,输出结果显示,将TQWT和样本熵相结合的诊断方法可用于供输弹系统故障识别,准确率高达92.24％.     

基于最小二乘支持向量机滚动轴承故障诊断

根据滚动轴承故障时振动信号特点,提出了一种基于小波包变换和最小二乘支持向量机(LS-SVM)相结合的滚动轴承故障诊断方法.通过对滚动轴承振动信号进行小波包分解,得到各分解节点对应频率段的重构信号以及各节点的能量,并将各节点能量组成的特征向量作为诊断模型的特征向量,输入到LS-SVM多类分类器中进行故障识别,然后在滚动轴承故障试验台上实测振动数据.分析结果表明,该方法具有较高的分类速度和较好的故障诊断正确率.     

噪声鲁棒性说话人识别语音高频加权MFCC提取

本文提出了一种可提高噪声环境下的说话人确认识别率的语音MFCC参数高频加权方法.由于Mel频率与线性频率成对数关系,频谱能量在高频部分分辨率逐减,而语音经过基音同步可变窗长加窗后的语音会在一定程度上避免语音信号的谐波泄露,从而保留更多高次谐波信息.将语音频谱能量高频部分进行加权,则可使语音增强,提高语音鲁棒性.该方法被用于基音同步预处理MFCC参数提取中,并进行了说话人确认实验.实验结果表明,即使在信噪比较低的情况下,该方法都会在一定程度上提高多种噪声环境下的说话人确认识别率.     

基于小波分析和SVM的控制图模式识别

为提高控制图模式尤其是混合控制图模式的识别精度,提出了基于小波分析和支持向量机(SVM)的控制图模式识别方法。该方法通过对工序质量特征数据进行小波包分解,提取低频逼近序列和各频带能量信息,并以此作为SVM分类器的输入,分别识别控制图模式中的趋势信号、阶跃信号和周期信号,最后通过合并这些信号以确定控制图的模式。通过仿真实验的验证,表明该方法相比传统的控制图模式识别方法,具有较好的识别精度。