一种结合端点检测可检错的DTW乐谱跟随算法

针对乐谱跟随中动态时间规整算法(DTW)时间精确度不高并且无法检测偏差音符的不足,提出一种基于端点检测与DTW算法的乐谱跟随系统。其前端结合端点检测算法,提取基于恒Q变换(CQT)的色度特征值,再将两个音频信号进行比较,最终利用DTW算法实现演奏音频与乐谱对齐功能,确定演奏音频每一时刻具体演奏内容。实验结果表明,提出的算法在时间精确度上较传统方法提高7.64%,并且不受节拍变化的影响,能够检测出演奏音频中是否有偏差音符。     

基于SPCE061A的实时语音识别门禁系统设计

通过对语音识别原理的系统分析,结合特定人语音识别的具体情况,研究了动态规整算法（DTW）,应用凌阳SPCE061A单片机,实现了基于实时语音识别的门禁系统的总体设计。试验表明,在1．3s内,系统误差率低于8％。该系统可应用于现代建筑的电子门锁类产品中,对实现智能化控制具有较强的实用价值。     

语音识别中DTW改进算法的研究

动态时间规整DTW是语音识别中的一种经典算法。对此算法提出了一种改进的端点检测算法,特征提取采用了Mel频率倒谱系数MFCC,并采用计算量相对较小的改进的动态时间规整算法实现语音参数模板匹配,能够实现孤立词、特定人、小词汇量的语音识别,并用Matlab进行了算法仿真。试验结果表明,改进后的算法能够有效地提高系统对语音的识别率。     

滑动模型MPCA在非线性系统故障监测与诊断中的应用

 多向主元分析(MPCA)是一种应用于间歇生产过程故障监测与诊断的较为有效的方法,但由于其线性化建模特征以及本身的一些局限性,它在高度复杂的非线性系统的应用中往往难以保证故障诊断的准确性和实时性．结合MPCA方法的优缺点,提出一种滑动模型的MPCA方法,讨论了该方法的建模及其在故障监测与诊断中的应用,并采用对称式DTW算法解决了多元轨迹同步化的问题．在实际生产设备上的试验表明,该方法具有良好的精确性和实时性．     

基于Kinect的下肢体康复动作评估系统

针对中风患者下肢体的训练需求,设计了一个康复训练评估系统.利用Kinect 2.0体感设备实时采集下肢体康复动作的序列信息,提取相关关节的角度序列特征,与动作库中的标准动作序列特征对比后,计算相关度,再加入时间参量,综合得出评估结果.试验结果表明:该系统能准确地识别和引导受试者的康复动作;并且可以通过组建不同的姿势库来评估更多的康复动作.     

基于熵的音频指纹检索技术研究与实现

介绍了一种基于熵的音频指纹检索技术,该技术采用音频的熵特征作为音频的指纹特征(AFP),在检索中,该指纹特征可以用多种串匹配算法进行信息比对。实验采用最大公共字串(LCS)、编辑距离(Levenshtein Distance)和动态时间规整(DTW)算法实现指纹特征匹配,并采用一定数量的歌曲文件作为实验的测试集。每首歌曲都有一个带有不同的较大失真的音频文件或由不同歌唱家演唱的不同版本,这些带有不同的较大失真的音频文件由原曲经过不同的严重音频处理得到,比如添加噪声、加快速度、剪辑等。实验结果显示,使用的3种匹配算法均可以将训练集中所有的歌曲正确地识别出来,从而证明了基于熵的音频指纹检索技术具有准确性、鲁棒性、区分性等优良性质。     

基于D-S证据理论的人体跌倒检测方法

针对人体跌倒检测算法存在错误否定率高的问题,研究了一种基于D-S证据理论的人体跌倒检测算法。采用智能手机内置的加速度传感器和陀螺仪传感器获得人体手臂运动的三维方向的运动数据,采用三阶滑动平均滤波器对获得的两个传感器的三维原始数据进行预处理;从三维预处理后的数据中提取运动幅度、倾斜程度以及旋转程度三种特征;采用动态时间规整方法分别依据三种特征进行局部检测,局部检测结果作为证据被D-S证据理论组合规则所采用以得到最终融合的全局检测结果,其中各证据被证据权修正以避免证据冲突问题。实验结果显示,本文算法准确度高于对比方法,能有效提高检测性能。     

基于行为识别匹配的用户日常运动检测

针对用户日常运动过程中步态计步器(Pedometer of Gait, POG)检测问题,相较于传统的统计机器学习方法,基于模板匹配的方法往往具有更高的精度和效率。主要提出了一种基于模板匹配的改进Dynamic Template Wrapping(DTW)方法,并在开源实验数据上做了验证。实验结果显示,相对于传统模板匹配方法和统计学习方法,所提出的IsDTW方法不仅具有相对较高的实验精度(92%),在运行效率上也在一定程度上优于传统方法,对实际应用更具价值。     

基于分段降维和路径修正DTW的时序特征分类器设计

针对传统的动态时间弯曲（DTW）度量方法易出现过度弯曲现象且计算复杂度高、算法效率低等问题,提出一种基于路径修正的动态时间弯曲（UDTW）度量方法。首先通过分段降维方法——分段局部最大值平滑法（PLM）有效提取序列特征信息,减少UDTW的计算代价;其次,考虑了时间序列形态特征的相似性要求,给过度弯曲路径设置动态惩罚系数,以此修正路径的弯曲程度;最后,在改进度量距离基础上,采用1-近邻分类算法对时序数据进行分类,以提高时间序列相似性度量的准确率和效率。实验结果表明,在15个UCR数据集上,UDTW度量方法与传统DTW度量方法相比具有更高的分类准确率,UDTW在其中3个数据集上能实现100%分类正确;与导数DTW（DDTW）度量方法相比,UDTW分类准确率最多提高了71.8%,而PLM-UDTW在不影响分类准确率的前提下执行时间减小了99%。     

基于DTW算法的肌电信号手势识别方法

为了提高肌电信号手势识别算法的准确度,增强实时性,提出了一种基于动态时间规整（DTW）算法的手势识别方法,该方法利用肌电信号（EMG）对个体间的手势进行识别。首先,采用滑动平均能量的方法对原始的EMG信号进行数据分割,探测有效动作;其次,对于分割的数据段使用平均绝对值（MAV）来提取信号特征;最后,用DTW算法将8维的EMG信号融合并计算测试样本和模版的相似度,其中采用了DTW算法寻找规整路径的方法进行了模板制作,实现了个体间的手势识别。实验结果表明,使用DTW算法对肌电信号进行手势识别,其动作识别的准确率达到96.09%,该方法计算速度快,实时性强。