多频声频率成分与感知倒谱距离的初步研究

通过理论计算和主观实验,研究了多频声频率成分在不同频响曲线下与感知倒谱距离和主观评价之间的关系.针对所选定的9种频响曲线和7种节目信号,当频率范围为1～10 kHz之间时,感知倒谱距离与主观评价的相关系数最高仅为0.93,最低为0.80,7种信号中只有3种的主客观相关系数高于0.90.而当频率范围为50～15 000 Hz时,感知倒谱距离与主观评价的相关系数最大达到了0.96,最低为0.85,7种信号中有5种的主客观相关系数都高于0.90.从而得出了在频率成分个数较少的情况下,频率范围比频率间隔需要更优先考虑的结论.     

基于倒谱与频谱分析的模糊核估计算法

图像盲去模糊是典型的图像和信号处理问题,其目的是从模糊图像中恢复出模糊核及清晰图像。在模糊核估计方面,以往的算法通常将模糊核尺度作为必要的输入参数,近年来有些算法虽然能较准确的估计参数化模糊核,但不能有效估计自然模糊图像中普遍存在的非参数化模糊核。文中利用图像梯度倒谱估计模糊核后再利用频谱分析以进一步精确的估计小尺寸模糊核的尺度。实验结果表明,文中提出的方法能适用于绝大多数场景下自然模糊图像的模糊核尺度估计。     

一种低信噪比环境下的语音端点检测算法

端点检测技术是语音信号处理的关键技术之一，为提高低信噪比环境下端点检测的准确率和稳健性，提出了一种非平稳噪声抑制和调制域谱减结合功率归一化倒谱距离的端点检测算法。该算法首先通过抑制非平稳噪声再采用调制域谱减消除残余噪声来提升信噪比，减少语音失真。然后再提取每帧信号的功率归一化倒谱系数，计算每帧信号与背景噪声的功率归一化倒谱距离。最后将该倒谱距离作为检测参数，采用双门限判决方法进行端点检测。实验结果表明，该端点检测算法对语音帧和噪声帧具有较好的区分性。此外，在低信噪比环境下，所提出的算法对于不同类型的噪声都具有较好的稳健性。     

基于角域平均和倒阶次谱分析的齿轮箱故障诊断

本文研究旋转机械非稳态信号的分析方法。对等时间间隔采样的齿轮箱振动信号,利用插值算法实现角域重采样。为了抑制与工频无关的噪声信号以提高信噪比,对重采样信号进行了角域平均。将倒频分析引入阶次分析中,以检测出功率谱中难以辨识的周期性。以上方法成功地识别了齿根裂纹故障,说明了对旋转机械非稳态信号进行角域平均和倒阶次谱分析的可行性和有效性。     

含裂纹故障的齿轮系统动力学特性研究及其故障特征分析

考虑齿轮的时变啮合刚度、传动误差和轴承支撑刚度的影响,建立含齿根裂纹故障的齿轮系统多自由度力学模型,基于动力学方法对其故障机理进行研究。通过材料力学的方法计算齿轮在正常和含裂纹两种情况下的啮合刚度,对比两种刚度曲线的变化趋势,便于进行精确的动力学特性分析;对建立的模型求解系统的动态响应,结果表明当齿根存在裂纹时,其时域波形中会出现周期性的冲击现象,频谱中在啮合频率的基频及其倍频等地方形成一系列等间隔的边频谱线,其间隔大小等于故障齿轮的转频;这些边频成分幅值较低,能量分散且分布不均匀,在不同频带的幅值大小存在差异。针对上述特点,通过正交小波包方法对信号的频带进行分解,应用倒频谱分析各子频带信号的边频成分;结果表明,该方法能够有效的提高信号的信噪比,有助于识别和提取信号中由裂纹故障引起的边频成分。     

基于均值特征和改进深度神经网络的说话人识别算法

为提高神经网络在说话人识别应用中的识别性能,提出基于高斯增值矩阵特征和改进深度卷积神经网络的说话人识别算法。算法首先通过最大后验概率提取基于梅尔频率倒谱系数（Mel Frequency Cepstrum Coefficient,MFCC）特征的高斯均值矩阵,并对特征进行噪声适应性补偿,以增强信号的帧间关联和说话人特征信息,然后采用改进的深度卷积神经网络进一步对准帧间信息,以提高说话人识别特征对背景噪声的适应性。实验结果表明,相比于高斯混合模型-通用背景模型等识别框架及传统MFCC等特征,该算法可取得更高的识别准确率和最小的识别均方误差。     

基于特征相对贡献度对加权Mel倒谱的改进

在声纹识别系统的搭建过程中,提高识别率的一个重要做法是使语音信号中能够提取出的特征尽可能包含更多的说话人个性特征。为了探究特征参数各分量对识别系统性能的影响,文章基于高斯混合-通用背景模型（GaussianMixture Model-Universal Background Model,GMM-UBM）基线系统,研究了在无噪环境中各维特征组合下的识别率,利用增减分量法定量计算出各维特征分量对识别率的相对贡献程度,并根据贡献度的强弱对各维特征分量进行合理加权,得到了贡献度拟合权重系数,将此系数用于改进梅尔倒谱系数（Mel Frequency Cepstrum Coefficient,MFCC）特征参数。仿真结果表明,对特征参数进行贡献度拟合权重系数加权后,声纹识别的正确率得到了提升。     

基于MFCC和常数Q变换的乐器音符识别

音符识别是音乐信号分析处理领域内非常重要的研究内容,它为计算自动识谱、乐器调音、音乐数据库检索和电子音乐合成提供技术基础。传统的音符识别方法通过估计音符基频与标准频率进行一一对应识别。然而一一对应较为困难,且随着音符基频的增大将导致误差增大,可识别的音符基频范围不广。为此,文中采用分类的思想进行音符识别。首先,建立所需识别的音符音频库,并针对音乐信号低频信息的重要性,选取梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficients,MFCC)和常数Q变换(Constant Q Transform,CQT)作为音符信号提取特征。然后,将提取的特征MFCC和CQT分别作为音符识别的单一特征输入和两者特征融合输入;结合Softmax回归模型在多分类问题中的优势以及BP神经网络良好的非线性映射能力与自学习能力,构建基于Softmax回归模型的BP神经网络多分类识别器。在MATLAB R2016a的仿真环境下,将特征参数输入到多分类器中进行学习与训练,通过调整网络参数来寻找最优解。通过改变训练样本数进行对比实验。实验结果表明,将融合特征(MFCC+CQT)作为特征输入时,可以识别出从大字组到小字三组的25类音符,并可以获得95.6%的平均识别率;在识别过程中,特征CQT比特征MFCC的贡献更大。实验数据充分说明,利用分类的思想提取音符信号的MFCC和CQT特征来进行音符识别,可以取得很好的识别效果,并且不受音符基频范围的限制。     

Intelligent methodologies for cardiac sound signals analysis and characterization in cepstrum and time-scale domains

Biometric authentication is the process that allows an individual to be identified based on a set of unique biological features data. In this study, we present different experiments to use the cardiac sound signals (phonocardiogram “PCG”) as a biometric authentication trait. We have applied different features extraction approaches and different classification techniques to use the PCG as a biometric trait. Through all experiments, data acquisition is based on collecting the cardiac sounds from HSCT-11 and PASCAL CHSC2011 datasets, while preprocessing is concerned with de-noising of cardiac sounds using multiresolution-decomposition and multiresolution-reconstruction (MDR-MRR). The de-noised signal is then segmented based on frame-windowing and Shanon energy (SE) methods. For feature extraction, Cepstral (Cp) domain (based on mel-frequency) and time-scale (T-S) domain (based on Wavelet Transform) features are extracted from the de-noised signal after segmentation. The features, extracted from the Cp-domain and the T-S domain, are fed to four different classifiers: Artificial neural networks (ANN), support vector machine (SVM), random forest (RF) and K-nearest neighbor (KNN). The performance of the classifications is assessed based on the k-fold cross validation. The computation complexity of the feature extraction domains is expressed using the Big-O measurements. The T-S features are superior to PCG heart signals in terms of the classification accuracy. The experiments' results give the highest classification accuracy with lowest computation complexity for RF in the Cp domain and SVM and ANN in the T-S domain.     

FFT计算菲涅尔衍射相位的跳变与矫正研究

采用傅里叶变换算法计算菲涅尔衍射相位时,在相位未解包裹的情况下,接收面上提取的相位分布曲线会出现跳变,如果进行解包裹,必然会导致错误的结果。研究发现用傅里叶变换算法进行衍射计算导致接收面上相位跳变的原因,是因为快速傅里叶变换（FFT）对矩阵标注索引的方式与离散傅里叶变换（DFT）有所区别,从而导致计算结果的相位与真实相位有差异。本文提出在FFT运算前后分别进行一次倒谱的方法矫正这种相位跳变,并仿真利用单次FFT进行二维矩孔的菲涅尔衍射,用2次倒谱矫正接收面上的相位跳变,结果证明了该矫正方法的可行性。