基于DWT-TEO的说话人识别

针对在噪声环境下的说话人识别系统,做了两点改进．第一,为了提高系统的鲁棒性,通过不同尺度的小波基,把含有噪声的信号分解于不同频段中,然后在各个频段分别通过TEO(Teager能量算子)去噪．针对说话人识别的特点,在小波重构时对各小波系数进行了加权处理．再把各个频段的输出通过小波重构恢复信号．最后通过Mel滤波器组把小波系数转换成MFCC．第二,为了进一步提高识别性能和训练速度,在识别阶段采用了改进的OGMM(正交高斯混合模型),即把正交变换改到EM算法之前进行,这样就不必要在EM迭代过程中每次都进行正交运算了．从实验得出,采用本文提出的DWT-TEO参数对于说话人识别的效果较好．采用改进的OGMM进一步提高了识别性能和训练速度．     

基于小波变换和Teager能量算子浊音段提取

对语音信号浊音段的提取在很多应用中都是重要的一个步骤。在小波域上用Teager能量算子(TEO)提取语音信号的浊音段,并对原始语音信号和加有高斯白噪声的不同信噪比的语音信号进行了仿真实验。实验结果表明,该算法能够准确地提取出浊音段,并具有较强的抗噪声能力。     

加窗插值快速傅里叶变换在滚动轴承故障诊断中的应用

针对滚动轴承故障信号强噪声背景和非线性等特点,为精确识别滚动轴承的故障特征频率,在最小熵解卷积和Teager能量算子解调基础上,提出了一种基于Hanning窗插值快速傅里叶变换的滚动轴承故障诊断新方法。该方法首先利用最小熵解卷积对轴承故障信号进行降噪,再结合Teager 能量算子对降噪后的故障振动信号进行解调,经傅里叶变换后得到信号的Teager解调谱;然后采用Hanning窗对解调谱进行加权处理;最后利用信号频点附近三根离散频谱的幅值做插值处理,从而得到精确的故障特征频率。轴承实测振动信号的分析结果表明：与传统的Teager 能量算子解调方法相比,在选取较少分析点的基础上,大多数情况下所提方法仍能精确识别轴承故障特征频率。     

Subdivisions of inferior temporal cortex in squirrel monkeys make dissociable contributions to visual learning and memory.

Inferior temporal cortex of squirrel monkeys consists of caudal (ITC), intermediate (ITI), and rostral (ITR) subdivisions, possibly homologous to TEO, posterior TE, and anterior TE of macaque monkeys. The present study compared visual learning in squirrel monkeys with ablations of ITC; ITI and ITR (group ITRd); or ITI, ITR, and more ventral cortex, including perirhinal cortex (group ITR+), with visual learning in unoperated controls. The ITC monkeys had significant impairments on pattern discriminations and milder deficits on delayed nonmatching to sample (DNMS) of objects. The ITRd monkeys had deficits on some pattern discriminations but not on DNMS. The ITRd monkeys were significantly impaired on DNMS and some pattern discriminations. These results are similar to those found in macaques and support the proposed homologies. (PsycINFO Database Record (c) 2010 APA, all rights reserved)     

一种识别混合电能质量扰动的新方法

针对混合电能质量扰动的问题,提出了一种新的识别系统.首先,对滤波后的信号进行小波变换,将其分解到不同的频率空间;再利用Teager能量算子对低频空间的信号分量进行分析,判断信号是否发生了频率波动、电压暂降、电压暂升或电压中断等扰动;接着采用Prony算法分析去除低频分量后的其他分量,判断信号是否包含有谐波、间谐波或振荡...     

基于行波全波形主频分量的单端定位方法研究

针对线路参数依频变化导致的时域行波波头畸变无法精确标定,传输波速无法准确计算的难题,提出一种基于行波全波形主频分量的单端定位方法。该方法选取广义Morse小波刻画故障行波的时频谱,获得行波全波形,多维度展现故障信息;定性分析行波波头衰减和传输波速的依频变化特性;定量计算全波形各频段能量,提取能量最大的频段,作为行波全波形主频分量;利用Teager能量算子增强波头突变特征,精确标定行波全波形主频分量下初始波头和第二反射波头对应时刻,准确计算主频分量对应的传播速度,实现基于行波全波形主频分量的单端行波定位。PSCAD仿真结果表明,所提定位方法具有较强的算法适应性,通过提高波头标定精度和传输波速计算准确性,有效提升单端行波定位方法的可靠性与精度,定位绝对误差小于120m。     

一种基于非线性特征的应力影响下变异语音识别方法

考虑到变异语音产生的非线性特点,本文提出了一种基于TEO能量算子倒谱特征的应力影响下变异语音识别方法。先将语音信号分割成21个不同频带的信号,然后计算TEO能量,最后进行对数运算和离散余弦变换。对航空模拟飞行器中采集的小词表特定人的识别实验,采用非线性分析的基于TEO能量算子倒谱特征的方法,能有效地提高变异语音的识别性能,比传统的基于MFCC特征的方法识别率提高了11.3％。     

一种改进的小波语音增强算法

在提出了基于TEO的清音、浊音和噪音区分的基础上,采用不同的小波阈值处理方法在多尺度上进行阈值处理,并对阈值函数进行了改进。实验表明,该算法不但能够有效的抑制噪声,还能减少对清音部分的损失,既提高了信噪比,又改善了语音信号的清晰度和舒适度,是一种有效的语音增强算法。     

奇异值分解和Teager能量算子的电压暂降方法

针对噪声干扰严重影响电压暂降检测分析精度的问题,提出一种采用奇异值分解和Teager能量算子（Teager energy operator,TEO）进行电压暂降检测的改进算法,即采用 Hankel矩阵对电压暂降信号进行奇异值分解法（singular value decomposition,SVD）,从而获得降噪后的供电点上电压暂降近似信号;利用Teager能量算子跟踪该近似信号的瞬时幅值;最后通过仿真算例验证该方法的可行性和有效性。     

小波包变换与Teager能量算子结合的说话人识别

在说话人识别系统中,语音特征参数的提取是影响系统性能的关键因素之一。在研究了MFCC参数的基础上,结合MFCC参数在信号的低频部分具有高频率分辨率以及小波包变换可以对信号的高频部分进行分解以提高高频部分的频率分辨率的优点,将二者结合,将Teager能量算子引入到信号高频部分的能量参数求解,构造了一种新的混合特征参数,采用支持向量机实现说话人的分类识别。实验结果表明,该特征参数有效提高了说话人辨识系统的识别率。