公共场所异常声源定位中时延估计方法研究

HB(Hassab-Boucher)加权广义互相关(generalized cross correlation based on HB weighted function,GCC-HB)是常用的时延估计方法,在环境为弱高斯噪声情况下,可获得较为精确的时延估计值用于声源定位。通过分析认为,通常公共场所异常声音是一种短时信号,背景噪声主要为粉红噪声与脉冲噪声,符合分数低阶α稳定分布(fractional lower order alpha-stable,FLOA)。在此背景噪声的低信噪比环境下,GCC-HB方法的时延估计性能急剧下降。为此,提出基于反正切变换的改进GCC-HB的时延估计方法(improved GCC-HB method based on arc tangent transform,ATAN-IHB)。该方法首先对加噪信号采用反正切变换抑制噪声中尖峰脉冲的影响,然后结合每帧的信噪比对HB加权函数进行改变,并由多帧HB加权后的峰值确定出时延估计值。理论分析和计算机仿真结果表明,所提出的方法即使在低信噪比的环境下,也可以获得比较满意的时延估计值,具有一定的实用性价值。     

电磁热耦合模型在通风干式变压器中的运用

建立了通风干式变压器绕组温度场的二维电磁热耦合数学模型,并由此计算出变压器箔式绕组因非均匀涡流产生的温度分布,仿真结果与实验数据表明:基于二维电磁热耦合数学计算模型的分析方法是正确、合理、可靠的,为研究干式变压器的温度特性提供了方便。     

基于基音周期的语音MFCC参数提取

提出了一种可用于改善说话人识别效果的基于基音周期的可变窗长语音MFCC参数提取方法。基本原理是将原始的语音分解为当前基音周期整数倍长度以内部分及其以外部分，并保留前者舍去后者，以减小训练语音与测试语音的频谱失真。通过文本无关的说话人确认实验，验证了该方法能有效提高说话人确认的识别率，并能提高短时语音的稳定性。     

一种人脸特征选择新方法的研究

本文提出一种人脸特征复合选择的新方法.首先对原始图像进行小波2阶分解和KPCA进行特征提取,然后将获得的特征进行SVM训练,经过GSFS反复选择具有最小间隔的支持向量作为最佳特征组合,最后输入线性SVM分类器进行分类.实验报告了本方法在UMIST及IITL人脸数据库上的应用,并对特征选择前后的分类能力及速度进行了比较,结果显示经过本方法的特征选择后,人脸识别能力有所提高,分类速度明显加快.     

基于地理区域分布的人脸几何特征研究

文中提出了利用人脸面部几何特征地理区域分布的差异性进行人脸识别的新方法。首先针对比较典型的中国华北和西南两大区域采集100幅人脸面部图像，然后采用一种自动提取算法抽取面部几何特征，再利用感知器算法对这两大区域进行面部特征分类。实验结果表明该方法是可行而有效的。     

基于双密度双树复小波变换的局域自适应图像去噪

提出一种基于双密度双树复小波变换的局域自适应图像去噪算法。首先,分析了双密度双树复小波变换的原理及特点,给出了双变量收缩函数(BSF)的推导。然后,对噪声图像并行使用四个二维双密度离散小波变换,且行和列采用不同的滤波器组,实现对噪声图像的双密度双树复小波分解。根据小波系数的统计特性以及层内和层间系数的相关性,采用结合局域方差估计的双变量收缩函数对小波系数进行处理。用收缩后的小波系数重构去噪图像。最后,将该算法用于灰度图像和彩色图像去噪。实验结果表明：在噪声方差为30时,经该算法去噪后图像与噪声图像相比,获得最高的峰值信噪比增益达11.72dB,平均结构相似度最高增加2.7倍,复合峰值信噪比增益达11.68dB。且对不同噪声方差下的不同噪声图像,该算法在滤除噪声的同时保留更多的细节,去噪图像的视觉质量得到很大的改善。     

基于Smartphone平台的智能家居控制系统的实现

随着移动智能电话的逐渐普及,随时随地监控自己的家庭已成为可能。提出了在基于MicrosoftSmartphone2003操作系统平台的智能移动电话上,运用短消息方法进行家庭监控的系统总体设计方案,阐述了运用WIN32API编程方式具体实现的步骤,同时也简单介绍了家庭端微型服务器的硬件实现原理。     

一种改进的维纳滤波语音增强算法

提出了一种改进的语音增强算法,该算法以基于先验信噪比估计的维纳滤波法为基础。首先通过计算无声段的统计平均得到初始噪声功率谱;其次,计算语音段间带噪语音功率谱,并平滑处理初始噪声功率谱和带噪语音功率谱,更新了噪声功率谱;最后,考虑了某频率点处噪声急剧增大的情况,通过计算带噪语音功率谱与噪声功率谱的比值,自适应地调整噪声功率谱。将该算法与其他基于短时谱估计的语音增强算法进行了对比实验,实验结果表明：该算法能有效地减少残留噪声和语音畸变,提高语音可懂度。