具有最陡主瓣的最小方差时频分析

针对非平稳时间序列,基于最小方差谱估计提出自适应加窗的时频分析方法,所叠加的时间窗能够自适应地调整尺寸,使得所估计的谱具有最陡的瞬时主瓣以适应时频分析,从而获得满意的非平稳信号的时频分布。仿真结果以及与参考文献的方法比较表明,该方法能够提供更好的频率分辨率,时频分布性能更好。     

更具有感情色彩的诗歌生成模型

五言绝句是我们传统文学的宝藏,给人独特的语言美感和审美体验.使用机器生成绝句诗歌对机器理解人类语言有着积极的探索意义.依据诗歌语言自身韵律和对仗特点,我们在诗歌数据集和对联数据集上联合训练诗歌生成模型.模型包括语义模型和文字规则模型,语义模型创新性地使用一维卷积网络提取诗歌文字的语义特征,学习诗歌语义的主题信息.文字规则模型使用带注意力机制的编码解码器,学习诗歌文字的对仗特征.实验结果表明模型可以很好地生成符合诗歌规则,表现诗人情感的诗句,如“感时花溅泪,愁路竹林心.秋风草树色,夜雨寒风声.”     

基于维纳滤波的超声增强实现方法

超声在传播时,由于受到材质不均匀、材料内部杂质等的影响而使接收信号受到噪声的干扰,这种干扰有时会淹没所检测的裂纹信号,因此必须要经过增强处理。声学增强处理常用的方法是维纳滤波。本文提出维纳滤波用于超声增强的具体实现方法,即首先统计平均无脉冲段的初始噪声功率谱,然后自适应计算带干扰超声段功率谱,最后进行维纳滤波。超声数据在不同信噪比下的维纳滤波实验表明了所提方法的有效性,超声维纳去噪方法与谱减法一样能够降低超声回波中的噪声,且更加有效。     

柴油发动机气缸压力和燃烧始点的辨识

在柴油发动机气缸压力的识别过程中，针对缸盖振动信噪比较低的问题，提出了对RBF网络训练样本进行时域统计平均降噪的方法，同时在对燃烧始点的辨识中应用了Kaiser差分器。时域统计平均有效提高了信号的信噪比，对柴油发动机气缸压力的恢复获得了很好的结果；Kaiser差分器有效提高了对燃烧始点的辨识。通过实践证明，该计算方法可以有效地从柴油发动机缸盖振动信号恢复气缸压力，并进一步辩识燃烧始点。     

基于Teager能量算子和经验模态分解的语音端点检测算法

Teager能量算子是近年来提出的非线性方法,具有跟踪时变信号的特点,该文结合该算子和经验模态分解方法,提出一种新的语音端点检测算法,用于寻找合理的语音起始和终止端点。该算法利用经验模态分解,提出本征模态函数的有效性筛选条件,通过筛选本征模态函数,使得该算法能够处理含噪语音信号,同时分解所得单模态特性正好满足TEO算子对单成份能量跟踪的要求,最后利用Hilbert变换解决了可能存在的模态混叠问题。经过这些处理,算法能够处理语音信号中清音段的端点标识,比直接TEO、双门限法效果好。通过大量实验验证了该算法的有效性。     

振动信号经验模态分析和固有频率检测

固有频率的锤击法检测在工程应用中十分重要。由于锤击法检测脉动信号的不可控制性而导致某固有频率分量非常微弱,甚至低于环境噪声。通过经验模态分解,把接受振动信号分解为多个本征信号,然后计算其固有频率,通过设置标准模态和改进的模式判决可以得到更多可信的信号特征,从而提取微弱的固有频率成份。试验表明,通过经验模态分解可以获得微弱的大型构件频率分量,并获得固有频率1.953 Hz。     

基于自适应滤波器和径向基函数网络的内燃机气缸压力识别

利用鲁棒的递推最小二乘自适应滤波，对非平稳时变性质的柴油机振动信号进行了降噪处理，然后设置软阈值，即将门限以下的信号设置为零，避免了长数据序列的累计误差；进一步去除信号的背景噪声，提高信噪比；最后，利用径向基函数网络强大的函数逼近功能，识别内燃机气缸压力。通过实验表明了该方法的有效性和鲁棒性。     

基于EMD的齿轮箱故障诊断的研究

采用小波阈值法对齿轮箱故障信号进行去噪预处理,将经验模式分解(EMD)和快速傅立叶变换(FFT)相结合对齿轮箱故障信号进行特征提取,这种方法适用于非线性非平稳信号的自适应状态分析。利用EMD方法将去噪后的信号就行经验模态分解,得到一定数量的固有模态函数(IMF)分量,选取具有特定意义的IMF进行FFT,就可以得到相应的功率谱,从而提取齿轮箱故障特征频率。     

连续信号频谱细化的算法探讨

对连续信号进行时域采样和频域采样的计算和分析 ,导出对信号进行傅立叶变换插值的一种算法 ,解决频谱逐步细化的问题 .