基于经验模式分解的语音端点识别方法

提出一种基于经验模式分解（EMD）的语言端点识别方法.该方法对带噪语音信号进行EMD分解得到一组固有模态函数（IMF）,采用短时过零率估计其平均瞬时频率.根据语言信号特定阶IMF平均瞬时频率的特征,将平均瞬时频率低且变化缓慢的语言帧作为周期性强的浊音段,而平均瞬时频率高的语言帧判别为清音段,组合处理后的结果最终得到语音段数据.数值仿真和实验结果表明,该方法在语音信号受噪声污染比较严重的情况下能够有效识别语音端点.     

基于时延自相关预处理的Hilbert-Huang变换解调

针对具有噪声干扰的旋转机械故障振动信号解调问题，提出基于时延自相关运算和经验模态分解（
EMD）方法相结合的新方法.讨论了时延相关算法的降噪原理、离散信号时延相关算法和Hilbert Huang变
换理论.采用矩形窗截断故障振动信号自相关函数的无偏估计, 获取较长时间差的部分，得到时延相关函
数.利用EMD方法对时延相关函数进行自适应滤波, 得到固有模态函数（IMF），对IMF进行Hilbert变换，
求得解调结果.不同噪声强度仿真数据和滚动轴承故障振动信号实验数据分析表明，该方法比直接解调或
仅采用时延相关解调更能有效抑制噪声，凸现信号调制信息.     

基于EMD和FFT的齿轮箱故障诊断

提出了一种基于小波包分析（WPA）,经验模态分解（EMD）和快速傅里叶变换（FFT）的齿轮箱故障诊断方法,此方法适合于非线性非稳态信号的自适应分析.首先运用WPA对采集的齿轮箱振动信号进行分解可得到不同频率的子频带;然后对各子频带信号进行EMD,从而得到一定数量的本征模态函数（IMF）;最后选取特定的IMF,对其作FFT可得到相应的功率谱,从而提取齿轮箱故障特征频率,进而对齿轮箱故障模式进行识别和诊断.分析结果表明本文所提议的方法能有效地检测出齿轮箱故障特征频率.     

Hilbert-Huang变换应用中的预处理方法研究

为提高Hilbert-Huang变换（HHT）中瞬时频率计算的真实性和稳定性，提出了一种信号的预处理方法.该方法首先对信号作傅里叶变换，然后根据插值点数作补零处理，再进行傅里叶反变换，完成傅里叶插值功能.对傅里叶插值处理后的信号作经验模态分解（EMD）得到一组固有模态函数（IMF），计算所有IMF的瞬时频率和幅值，最终获得信号时频分布的Hilbert谱.结果表明，该傅里叶插值的预处理方法能够有效消除和抑制HHT分析中的瞬时频率波动和虚假成分产生，增强了瞬时频率的准确性，提高了HHT方法的信号分析频率，该方法能有效应用于实际信号处理的HHT时频分析中.     

基于EMD和概率神经网络的说话人识别

基于EMD和概率神经网络的说话人识别方法,主要针对语音信号具有强时变特性问题,通过自适应性的经验模态分解(EMD)方法,对不同说话人的语音信号进行分解后,得到反映信号特征的本征模态函数(IMF),然后计算IMF的能量并进行归一化得到能量特征向量,利用具有简单高效的模式识别功能的概率神经网络(PNN),对不同说话人的语音能量特征向量识别,从而达到说话人识别的目的.实验结果表明,在噪声污染不大的情况下,该方法能够准确快速地识别说话人身份,具有较高的识别性能.     

基于小波变换的语音信号基音频率检测法

将基于小波变换与多分辨分析 (MRA)下的Mallat算法与传统的快速傅立叶变换(FFT)相结合 ,提出了一种新的语音信号的基音频率检测方法。实验结果表明 ,这种方法能有效地抑制语音信号中共振峰对基音频率的影响 ,且不必考虑语音信号的短时性。与传统基音估计方法比较 ,此方法具有运算速度快、基音估计准确度高的特点。     

基于经验模态分解和Mel倒谱系数的语音端点检测

提出了一种基于经验模态分解和Mel倒谱系数的语音端点检测方法。对语音信号进行分解得到一组IMF分量,将集中在低层IMF分量中的噪声信号滤除,重构剩余的IMF分量成语音信号,提取重构信号的Mel频率倒谱系数来检测语音信号的端点。实验结果表明,提出的方法可以较好地消除噪声对语音信号端点检测带来的影响,能在不同信噪比的环境下正确地对语音信号进行端点检测,具有一定的鲁棒性。     

Hilbert-Huang变换在结构损伤识别中的应用

为了识别出结构损伤情况,对结构加速度响应信号进行经验模态分解(EMD),得到各阶固有模态函数(IMF),利用第一阶IMF便可以识别出结构损伤发生的时刻及位置。然后利用对各阶IMF进行希尔伯特变换(HT)得到的瞬时频率和Hilbert谱来识别出结构损伤的程度。最后通过对一三层剪切型框架结构的实例分析,证明了该方法的有效性。     

台风作用下广州中信广场的模态参数识别

基于同步挤压小波变换(Synchrosqueezing wavelet transform,简称SST)和奇异值差分谱理论,发展了一种新的模态参数识别方法,以提高建筑结构模态参数识别结果的精度。该方法首先使用SST对结构的实测振动信号进行分解,得到若干个本征模态函数(Intrinsic mode functions,简称IMF)。再构建各个IMF的Hankel矩阵,进行奇异值分解,根据奇异值差分谱对IMF进行去噪处理。然后采用自然激励技术(Natural excitation technique,简称NExT),得到各IMF的自由衰减响应。最后通过Hilbert变换和曲线拟合获得结构的自振频率和阻尼比。采用该方法对台风“达维”作用下广州中信广场的实测加速度响应进行分析,并将识别出的结构模态参数与已有方法的识别结果进行对比。结果表明,该方法能有效地识别结构的模态参数,且具有较好的准确性与鲁棒性。     

基于EMD的激光超声信号去噪方法

基于连续均方误差的准则,提出了一种基于经验模态分解（EMD）的激光超声信号去噪方法．该方法将经验模态分解得到的固有模态函数（IMF）分为信号分量起主导作用,模态与噪声分量起主导作用模态,利用反映信号主要结构的模态对信号进行部分重建实现去噪．将该方法应用于测试信号与实际激光超声信号的去噪,实验结果表明该方法能够有效地去除噪声,并且不受主观参数的影响,具有自适应的特点．     

稀疏谱线合成对元音频域信息分布的探讨

一般语音信号的合成分析是采用LPC参数或共振峰等参数,根据选定的误差准则,调整参数,使得原始语音与合成语音二者误差最小,从中分析语音的有关性质.利用稀疏谱线进行傅立叶反变换来合成元音,提取元音信号频谱中的几根或者几十根谱线进行反变换来合成元音,由试听者进行听辨实验,考察合成语音的清晰度,从频域对语音信号中的信息分布进行探讨.给出了实验结果与结论.     

一种采用余弦镶边临界带滤波器组的弯折谱失真测度

建立在语音非线性感知特性基础上的谱失真测度,如Ｍｅｌ谱和Ｂａｒｋ谱失真测度等,在语音处理的实际应用中取得了较好的效果。文中提出的余弦镶边临界带滤波谱失真测度也属于这一类,并且综合了二者的优点,所做改进及其特色主要有３点：一是采用临界点集成原理分配分析滤波器组的中心频率及带宽,使之更加符合耳蜗分析的机理;二是设计了一种新的余弦虑皮器代替Ｍｅｌ谱中的三角滤波器,使之对于共振峰的频移不敏感,增强了客观测     

Comparison of ISFs and LSFs in Speech/Music Discrimination System

The immittance spectral frequencies （ISFs） is proposed as a new set of classification features and compared with the linear spectral frequencies （LSFs） applied in a frame-level wideband speech/music discrimination system. These two sets of features can be shared by the classifier and coding module to reduce the total computational complexity, making our classification system suitable for multi-mode audio coding applications. A performance assessment and comparison of the features are made. The experiment results show that the ISFs and LSFs have similar good performance when using full covariance matrices in classification models and the ISFs perform slightly better when using diagonal matrices. Their statistical differences for speech and music signals are also revealed.     

An HHT-based method to eliminate short-time strong disturbance from measured signals of bridge

According to the characteristic that Hilbert-Huang transform (HHT) can detect abnormity in signals, an HHT-based method to eliminate short-time strong disturbance was proposed. The signal with short-time strong disturbance was decomposed into a series of intrinsic mode functions (IMFs) and a residue by the empirical mode decomposition (EMD). The instantaneous amplitudes and frequencies of each IMF were calculated. And at abnormal section, instantaneous amplitudes and frequencies were fitted according to the data at normal section, replacing the fitted data for the original ones. A new set of IMFs was reconstructed by using the processed instantaneous amplitudes and frequencies. For the residue, abnormal fluctuations could be directly eliminated. And a new signal with the short-time strong disturbance eliminated was reconstructed by superposing all the new IMFs and the residue. The numerical simulation shows that there is a good correlation between the reconstructed signal and the undisturbed signal. The correlation coefficient is equal to 0.999 1. The processing results of the measured strain signal of a bridge with short-time strong disturbance verify the practicability of the method.     

基于数字水印和模式恢复的语音认证系统

通过数字音频水印和模式恢复技术检测语音伪造，数字水印模式已经用于语音信号伪造检测的三种方法为替换、插入和删除，如果在语音信号上做一些改变，则水印模式也会变化，通过模式恢复可以检测语音信号是否被修改和伪造。提出利用嵌入的循环模式的方法来解决检测技术的同步问题，此外，模式恢复对语音信号压缩增强鲁棒性，该方法使用6个用于收集语音数据的录音设备进行测试和验证，语音信号的采样速率为8 kHz，将语音信号数字化的分辨率设为16 bit，对速率为16 kbps的MP3和速率为11.5 bps的CELP中语音信号随机选择区域进行替换、删除和压缩处理。结果表明，三种方法的语音伪造信号完全可以检测到，证明了该方法的有效性。     

基于元音模板匹配的声效多级检测

针对鲁棒语音识别中的声效模式检测问题,提出了一种分级检测方法. 首先使用整体谱特征训练高斯混合模型来判定语音信号是否耳语. 对于非耳语的语音信号,通过声学界标点检测来获取信号中的元音段,然后通过元音模板匹配来确定语音信号具体的声效模式. 在863-test测试集上进行的声效检测实验结果显示,除耳语识别精度略有下降外,其他4种声效模式的识别精度均有大幅度的提高. 实验结果表明了将语音信号整体特征与局部元音特征相结合在声效检测中的有效性.     

基于模态分析的印制电路板振动可靠性研究

采用有限元方法对印制电路板进行了模态分析,依据有效模态质量和模态振型分析了振动环境下配制电路板的薄弱环节．根据印制电路板的特点建立了有限元模型,通过模态分析得到了各阶固有频率与固有振型,然后利用有效模态质量找出了对系统响应影响较大的各阶模态．模态分析结果显示,该印制电路板的固有频率偏低．本文从安装方式和印制电路板材料属性方面分析了提高印制电路板固有频率的方法,通过改进设计能够有效地提高其振动可靠性．     

弯管中超声导波传播特性的研究

为了利用超声导波检测弯管中的缺陷,研究了L(0,2)模态在弯管中的传播特性．通过实验得到了不同曲率半径的90°弯管中L(0,2)模态的透射系数．结果表明,L(0,2)模态在弯管中传播时会出现模态转换现象,幅度有相应的衰减,从而影响导波的传播距离和缺陷检测能力;随着曲率半径的增大,L(0,2)模态的透射系数逐渐越小,并且对于同一弯管,激励频率越大,透射系数也越小．