基于局部频谱特征与贝叶斯决策的脚步声识别

针对脚步声识别系统中背景声音与噪声影响脚步声特征的提取而导致识别率明显下降的问题,根据脚步声相对背景声音在时间与频率分布上具有一定局部性的特点,提出一种声音局部频谱特征提取方法。该方法所提取的特征反映了声音主要频率成分的局部分布及其随时间的变化规律,而且对白噪声与高斯噪声的干扰有较强的鲁棒性,并且在声音采集过程中,由于与采集设备距离等因素的变化所导致的声音强度变化无关。识别过程采用贝叶斯决策理论实现步声识别。实验结果表明,该算法识别精度高于现有算法,而且对不同背景声音与环境噪声的鲁棒性明显高于现有算法。     

基于SVR和粒子滤波的室内导航方法

针对室内环境复杂性造成的室内定位精度不足问题,提出一种基于支持向量机回归和粒子滤波的室内导航方法;离线阶段通过采集室内接收信号强度并利用统计学习方法,构建室内RSS与物理位置之间的支持向量回归映射模型,定位阶段使用智能移动设备采集加速度、方向角等运动状态信息和Wifi模块感知的环境信息,并利用粒子滤波将运动数据和回归结果进行融合处理,推算移动用户运动轨迹;室内实验结果表明,本方法最大定位误差为1.891 m,平均误差为0.669 m,有效地提高了室内定位导航精度。     

抗环境音干扰的设备声音故障监测方法

变压器等大型设备在运行过程中发声具有辨识性和平稳性的特点，但容易受各种环境音的干扰，针对该问题，本文利用声音信号处理、特征提取、模式匹配等技术，提出了一种抗多种环境音干扰的设备声音故障监测方案.首先对在各种环境声音中变压器的正常和故障声音进行采集和预处理，然后对其提取出MFCC特征并降维，对变压器正常工作声音特征通过OPTICS算法进行训练，得到一个具有多个分类的标准集，最后将标准集与包含故障声音的测试样本进行匹配，若出现不匹配情况但经人工检验为误报，则将其归为新的分类.实验结果表明：该方法不仅能很好的识别样本，也能在新的正常声音出现时通过标准集增强模块来优化标准集，从而提高识别准确率并降低误警率.     

基于信道状态信息的非接触式人员动作识别方法

传感器与摄像头等设备的传统动作识别存在受环境影响大及侵犯用户隐私等问题,以京剧动作为研究对象,提出一种非接触式人员动作识别方法Wi-Opera。在离线阶段采集Wi-Fi路由设备上人体动作的信道状态信息（CSI）数据,利用巴特沃斯低通滤波器和小波变换方法对CSI数据分别进行去噪和平滑处理,通过主成分分析算法提取动作的特征值构建每个京剧动作的决策树,最终形成随机森林模型。在在线阶段实时采集的动作数据经过处理后,将京剧动作的特征值输入随机森林模型中进行识别,从而输出识别结果。实验结果表明,Wi-Opera方法的综合识别精度为94.6%,具有较高的识别精度和较强的鲁棒性。     

基于无线传感器网络的声音识别与定位

为了识别和定位移动机器人及军事系统中的声音信号,应用LPC2138和CC2420开发了一种基于无线传感器网络的智能化声音识别与定位系统.系统硬件部分主要由传感器模块、微处理器模块、无线收发模块等组成;软件部分则包括信号的采集处理、ZigBee无线通信协议、传感器节点的工作原理及设计流程.该系统克服了有线传感器网络的局限性,实现了声音信号的识别和定位,可用于多机器人之间的信息交互或军事战场中的实时监督.并具有节点成本低、网络容量大、生存周期长的特点.     

基于数据相关性和灰色关联的相位识别对比研究

目前,台区相位识别技术主要依赖电力线载波模块。针对这一实际情况,对数据相关性算法和灰色关联分析算法应用到台区相位识别进行了创新性研究。对一段时间内采集到的单相电表电压和集中器三相电压有效值数据曲线建立模型,通过数据相关性算法或者灰色关联分析算法获得单相电能表的安装相别。经过现场验证,在无需额外增加其他设备、无需依赖载波模块情况下,两种算法均能够准确分析出单相电能表的安装相别。对两种算法的计算工作量和计算准确度进行了对比和分析,得出两种算法中灰色关联分析算法的计算工作量小、计算准确。将数据相关性算法和灰色关联分析算法应用到电力相位识别领域,将是对台区相位识别方法的丰富和补充,今后可推广使用。     

一种基于背景声音识别的社会情境感知方法

随着社会需求的不断扩大及技术的不断发展,人与人之间的社会交互也越来越多.理解社会交互特征并能感知用户所处的社会情境语义（如在开会、在上课）,对于促进和辅助用户社会活动具有重要意义.从背景声音的角度对社会交互进行理解,目的是通过对背景声音差异性特征的提取,识别用户所处的社会情境.提出了一种基于背景声音识别的社会情境感知方法,该方法采用Mel frequency cepstral coefficients （MFCCs,即Mel 频率倒谱系数）分析声音信号,将路径搜索限制和搜索过滤的改进Dynamic Time Warping（DTW）算法作为识别器.通过对11 种社会情境背景声音的采集和识别,表明该算法能够有效地识别用户所处的社会情境,且其运算效率与识别率比传统DTW 算法有所提高.     

基于用户笔迹的移动身份识别技术

针对传统身份识别技术存在的密码记忆难、隐私易泄露、信息易伪造等问题,提出并实现了基于安卓平台的混合特征在线手写笔迹识别算法. 本算法通过迁移传统笔迹采集平台、采用文本相关与文本无关相结合的方式分别对静态纹理特征和动态矢量特征进行提取,弥补了当前笔迹采集困难、信息易伪造、准确性差等缺陷,实现了用户在移动设备上更加快捷安全的进行身份识别和鉴定. 通过实验得出：该笔迹识别算法具有良好的稳定性、高可重复性、优良的准确性和安全防伪能力,能够有效阻止陌生用户的攻击,具有较高的安全保障性能.     

红外传感器PAJ7620凌空手势快速识别方法

传感器技术的发展日益更新,用户对人机交互体验也提出更高的需求。针对识别算法复杂或复杂手势应用性窄等问题,设计一种基于红外传感器PAJ7620的凌空手势识别系统。驱动红外发光二极管(LED)阵列发射红外光线;红外光敏二极管接收来自运动手势反射后的光强信号,经模数转换模块(ADC)转换后进行数据采集;通过手势分类算法完成手势识别。实验表明,该方法对简单手势的识别率可达94.63%,可应用于智能玩具、智能家居等体感交互设备。     

一种基于DTW的动态笔迹识别算法

随着移动互联网技术的快速发展,智能手机、平板电脑等移动设备也得到了广泛使用。移动设备在网上购物、在线支付、转账等方面具有方便、快捷的特性,网上电子商务交易量越来越大,导致移动平台上电子商务信息的安全隐患越发突出,信息安全技术在移动平台上的应用越来越重要。基于生物特征的身份鉴别由于克服了传统身份鉴别方式的很多缺陷而得到了广泛的应用。手写笔迹是生物特征识别的重要领域之一,因具有采集设备简单、易采集、安全等优点,被广大用户所接受。针对在移动平台上识别手写笔迹的问题,提出一种基于DTW的动态笔迹识别算法。算法结合了FastDTW算法中限定路径弯折斜率,保证了识别效率;并通过放松时间弯曲时对起始端点的对齐,提高了识别的准确率。实验结果表明,算法的错误拒绝率（FRR）和错误接纳率（FAR）分别为4.5%和1.5%,识别效率和识别准确率较于经典DTW算法和FastDTW算法有所提高。