HHT方法用于小麦虫害粒的检测

小麦在储藏阶段由于各种灾害导致损失巨大,并降低了面粉质量,及时检测并分离小麦的受损颗粒迫在眉睫.论文以提取两类小麦碰撞声信号为基础,使用希尔伯特-黄变换方法对小麦完好粒和虫害粒的碰撞声信号提取有效特征,最后利用BP神经网络进行分类,对于两类小麦类型的识别取得了较好的识别率.应用结果该方法能够较好地实现区分小麦虫害粒与完好粒.     

基于HHT的小麦碰撞声信号识别研究

采用希尔伯特-黄变换方法分析了小麦完好粒、虫害粒和霉变粒的碰撞声信号,提取了3种类型的声信号在频域的5个特征量,使用BP神经网络进行分类,得到较好的识别结果。实验结果表明,不同类型小麦碰撞声信号在频域存在较大差异,此项研究为实现小麦颗粒的自动识别提供了可行方法。     

基于双谱和支持向量机的小麦碰撞声分类研究

为实现小麦颗粒的自动分类,采用双谱和支持向量机相结合方法对小麦完好粒、虫蛀粒和霉变粒的碰撞声进行分类识别。对碰撞声信号进行双谱估计,提取信号双谱峰值和对角切片谱两部分特征,用支持向量机分类器进行分类,对完好粒、虫蛀粒和霉变粒3种小麦颗粒识别正确率均达84%以上。实验结果表明,该研究具有较强的实际应用价值,为小麦颗粒的分类提供了新的方法和依据。     

基于小麦碰撞声音的霉变区域识别仿真分析

研究小麦霉变区域的识别优化问题,由于小麦霉变粒、受损颗粒与完好粒的物理构造不同,碰撞声信号与正常小麦信号一定存在差异。差异特征各项属性很容易受到外部噪声的干扰发生改变,造成传统的模式识别方法很难准确识别。提出了一种加入干扰分类去除因子的小麦碰撞差异特征霉变识别方法。在小麦碰撞过程中,确定分类决策因子,并且将小麦碰撞声音的残差平方和SSE引入核函数,设计一个小麦碰撞约束超平面,确保碰撞中的系数特征点中的正类输入以及负类输入,分别处于该约束超平面的两端,实现对霉变小麦碰撞特征的干扰消除。实验表明,改进算法实现了小麦霉变区域的特征识别的优化。     

基于ARM Cortex-M3的声磁商品电子防盗系统设计

针对普通EAS系统存在抗干扰性能差、检测灵敏度低、检测范围小、误报率高等缺点,设计了一种基于ARM Cortex-M3的声磁EAS系统。本文介绍了声磁EAS系统的工作原理和硬件结构框图,分析了声磁标签信号在时域和频域上的特征,提出了FFT信号频谱分析、信号互相关、最小二乘法拟合直线求取斜率、计算信号峰值数及峰值方差运算等多种检测声磁标签信号的算法,并详细描述了系统软件算法的设计。实验验证,本系统具有抗干扰性能强、检测灵敏度高、检测范围宽、误报率低等特点。     

人工蜂群算法优化支持向量机的分类研究

为了提高支持向量机分类准确率,采用人工蜂群算法对支持向量机参数进行优化,并将该优化方法应用于小麦完好粒、霉变粒和发芽粒三类麦粒的识别。使用小波变换分解信号能量作为特征向量,以分类错误率的倒数作为适应度函数,利用人工蜂群算法对支持向量机的惩罚因子和核函数宽度参数进行优化,优化SVM方法对小麦完好粒、霉变粒和发芽粒的分类正确率达到86%以上。实验结果表明,该研究有较强的实用价值,为SVM性能优化提供了一种新的方法。     

多分量非平稳声信号时频分析

为了准确提取信号所包含的主要频率分量,对多分量非平稳声信号进行了时频分析。利用短时傅立叶变换将多分量非平稳声信号由时域变换到时频域,根据谱图提取信号的主要频率分量。分析结果表明：多分量非平稳信号的各主要频率分量及其时频域特性参数可以准确提取。短时傅立叶变换是提取多分量非平稳声信号主要频率分量的有效方法。     

基于自注意力机制时频谱同源特征融合的鸟鸣声分类

目前深度学习模型大都难以应对复杂背景噪声下的鸟鸣声分类问题。考虑到鸟鸣声具有时域连续性、频域高低性特点,提出了一种利用同源谱图特征进行融合的模型用于复杂背景噪声下的鸟鸣声分类。首先,使用卷积神经网络（CNN）提取鸟鸣声梅尔时频谱特征;然后,使用特定的卷积以及下采样操作,将同一梅尔时频谱特征的时域和频域维度分别压缩至1,得到仅包含鸟鸣声高低特性的频域特征以及连续特性的时域特征。基于上述提取频域以及时域特征的操作,在时域和频域维度上同时对梅尔时频谱特征进行提取,得到具有连续性以及高低特性的时频域特征。然后,将自注意力机制分别用于得到的时域、频域、时频域特征以加强其各自拥有的特性。最后,将这三类同源谱图特征决策融合后的结果用于鸟鸣声分类。所提模型用于Xeno-canto网站的8种鸟类音频分类,并在分类对比实验中取得了平均精确率（MAP）为0.939的较好结果。实验结果表明该模型能应对复杂背景噪声下的鸟鸣声分类效果较差的问题。     

时域不完全重叠的多成分信号处理算法

分析了时域重叠的多信号(LFM和正弦波信号)经过自相关运算以后的包络特征,根据包络的跳变特征进行信号切割,对每段信号分别进行处理,得到它们的起、止时间和所含有的信号参数。通过数据拟合,将分段信号进行整合,最终得到各个信号的完整结果。仿真结果表明该方法在低信噪比条件下具有较好的性能。     

基于多维信号特征融合的空间通信目标识别技术

针对空间通信目标个体识别问题,在射频指纹分析的基础上提出了一种多维信号特征融合提取方法。首先分别在时域、频域和高阶谱域对截获的空间通信目标射频信号提取个体多维信号特征,然后对提取的特征进行融合,并应用支撑矢量机对个体进行分类识别,最后采用实测数据对这种识别方案进行了验证。实验表明,通过多维信号特征融合方法可以有效提取空间通信目标的个体信息,并能获得良好的识别效果。     

Learning Bimodal Structure in Audio–Visual Data

A novel model is presented to learn bimodally informative structures from audio–visual signals. The signal is represented as a sparse sum of audio–visual kernels. Each kernel is a bimodal function consisting of synchronous snippets of an audio waveform and a spatio–temporal visual basis function. To represent an audio–visual signal, the kernels can be positioned independently and arbitrarily in space and time. The proposed algorithm uses unsupervised learning to form dictionaries of bimodal kernels from audio–visual material. The basis functions that emerge during learning capture salient audio–visual data structures. In addition, it is demonstrated that the learned dictionary can be used to locate sources of sound in the movie frame. Specifically, in sequences containing two speakers, the algorithm can robustly localize a speaker even in the presence of severe acoustic and visual distracters.      

基于多重分形和小波变换的声目标信号特征提取

研究了基于关联积分的广义维数谱的定量计算方法,提出了声目标信号的多重分形特征,并对其特征即广义维数谱的有效性进行了分析;同时利用小波变换分析既能反映信号在变换域特性又保留其时域信息的特点,提出基于小波变换的子空间能量及主要能量集中子空间时域信息的特征提取方法,并通过模糊神经网络识别系统对声目标信号的广义维数谱、子空间能量及时域信息的组合特征进行了验证.     

Machine learning for vessel trajectories using compression,alignments and domain knowledge

In this paper we present a machine learning framework to analyze moving object trajectories from maritime vessels. Within this framework we perform the tasks of clustering, classification and outlier detection with vessel trajectory data. First, we apply a piecewise linear segmentation method to the trajectories to compress them. We adapt an existing technique to better retain stop and move information and show the better performance of our method with experimental results. Second, we use a similarity based approach to perform the clustering, classification and outlier detection tasks using kernel methods. We present experiments that investigate different alignment kernels and the effect of piecewise linear segmentation in the three different tasks. The experimental results show that compression does not negatively impact task performance and greatly reduces computation time for the alignment kernels. Finally, the alignment kernels allow for easy integration of geographical domain knowledge. In experiments we show that this added domain knowledge enhances performance in the clustering and classification tasks.     

复域DSLA主动时反通信

通信系统建立在香农源-信道模型基础上,信道本身面临着两个必须解决的问题：信道多径传播引起的符号间干扰;噪声/干扰。因而接收端的信号是发射的信号失真和染污的复本。为此,从阵几何设计和信号处理角度两个方面考虑,采用空间宽带阵--双螺旋线阵（DSLA）发射/接收数据,并利用波传播时反不变性这一宽容的空-时结构特性作DSLA主动时反通信。同时在通信系统中调制信号、随机海洋噪声具有非寻性。因此,对信号做复增广表征,打破一般补相关为零的隐含假定,作复域DSLA主动时反通信。仿真结果验证了复域DSLA主动时反通信性能优于常规主动时反通信,尤其在小信噪比下能有效减小通信误码率,提高水声通信质量。     

基于稀疏字典的听觉显著性计算

听觉注意显著性计算模型是研究听觉注意模型的基本问题,显著性计算中选择合适的特征是关键,本文从特征选择的角度提出了一种基于稀疏字典学习的听觉显著性计算模型.该模型首先通过K-SVD字典学习算法学习各种声学信号的特征,然后对字典集进行归类整合,以选取的特征字典为基础,采用OMP算法对信号进行稀疏表示,并直接将稀疏系数按帧合并得到声学信号的听觉显著图.仿真结果表明该听觉显著性计算模型在特征选择上更符合声学信号的自然属性,基于基础特征字典的显著图可以突出噪声中具有结构特征的声信号,基于特定信号特征字典的显著图可以实现对特定声信号的选择性关注.     

多频简谐激励下裂纹梁的非线性振动响应

主要对含裂纹梁在振动与超声波联合激励下所出现的非线性动力响应的机理和特性进行研究.将疲劳裂纹在外加激励下的状态简化为周期性张开-闭合的非线性过程,基于圣维南原理,采用有限元方法建立了含非对称疲劳裂纹梁的非线性数值分析模型.利用非线性输出频率响应函数(NOFRFs)概念,对裂纹梁在高-低频简谐激励下所出现的非线性动力响应特性的机理进行了解释.具体以悬臂梁为例,仿真分析了裂纹深度和裂纹位置等参数的变化对系统非线性动力响应特性的影响规律.     

Integrated acoustic echo and noise suppression in modulation domain

The quality of speech transmission in mobile communication systems deteriorates due to the presence of background noise and acoustic echo. The background noises are the disturbances from the surroundings and acoustic echo is induced due to the reverberation of loudspeaker signal in the near end environment. In conventional acoustic echo suppression setup, the echo path effect is modelled either in time or in frequency domain, and to cancel the echo, a replica of the echo is created by estimating the echo path response adaptively in the corresponding domain. Recently, the modulation domain analysis, which captures the human perceptual properties, is widely being used in speech processing. Modulation domain conveys the temporal variation of the acoustic magnitude spectra which acts as an information bearing signal. In this work, a novel integrated system for acoustic echo and noise suppression in the modulation domain is developed. So far, no work in this context in modulation domain has been found as reported. An efficient method for modelling the echo path and estimating the echo in the modulation domain is introduced and implemented. The effects of echo and noise are suppressed using the modulation spectral manipulation and the performance of the proposed system is found to be better than other conventional integrated systems.