基于响应能量和连续小波变换的复合材料结构损伤检测

提出了一种基于响应能量和连续小波变换联合检测损伤的方法.首先测试随机激励下完好结构以及损伤结构各个节点的响应信号能量并分别组成能量向量,然后选取正交小波函数,分别对损伤前后的能量向量进行连续小波变换,根据损伤前后小波系数的变化来检测结构的损伤,并以小波系数二次差分的极大值作为损伤指标来进行损伤定位.该方法仅仅利用结构在随机激励下的时域响应信号,并不需要进行结构建模.通过对带有不同位置分层损伤的复合材料层合梁和层合板的损伤检测,验证了该方法的可行性和有效性.     

基于声道频谱参数的语种识别

针对低信噪比下语种识别正确率低的问题,提出了一种声道冲激响应频谱参数和Teager能量算子倒谱参数融合的识别方法.根据语音中不同特征信息量分布特性,首先在特征提取前端引入低通滤波器滤除信号高频部分,并采用重采样方法降低采样率,再基于信号频谱提取声道冲激响应频谱参数,然后融合Teager能量算子倒谱参数,最后通过高斯混合通用背景模型进行语种识别验证.不同信噪比条件下性能测试表明,所提方法相对于基于单一的梅尔频率倒谱系数特征、单一的伽玛通频率倒谱系数特征和基于对数梅尔尺度滤波器组能量特征,在低信噪比下提升约15 dB,显著提高了识别正确率.     

一种基于EEMD的异常声音识别方法

为了优化组合特征在异常声音识别中的效率,提出一种用集合经验模态分解（EEMD）对异常声音帧信号进行有效性检测和提取多层特征的算法.首先对异常声音帧信号进行集合经验模态分解,得到固有模态函数;然后根据给定的固有模态函数层数阈值,对该帧信号进行有效性检测;再对有效帧信号的每一层固有模态函数提取梅尔频率倒谱系数、翻转梅尔频率倒谱系数、线性预测倒谱系数、短时能量和能量比,并将它们归一化后拼接成多层特征.根据提取的特征,用深度卷积神经网络实现异常声音识别分类.仿真结果表明,提出的新方法在4类异常声音识别中的识别率可以达到98.65%.     

车间环境下机器人语音控制的特征提取算法

针对移动机器人在车间实际工作环境中,由于噪声的影响导致对语音控制命令识别性能差的问题,提出了一种基于伽玛通倒谱系数和Teager能量算子混合特征提取的新算法。该算法用伽玛通滤波器代替抗噪性比较普通的梅尔滤波器,在提取伽玛通倒谱系数的过程中加入反映语音信号能量的Teager能量算子组成新的特征,并考虑语音信号的动态特性,将其与一阶差分参数融合组成混合特征;应用主成分分析法降维,将得到的混合特征用于移动机器人控制命令的语音识别系统。实验结果表明,在车间噪声以及信噪比为10dB的环境下,混合特征的识别率较梅尔倒谱系数提高了12.20%,通过主成分分析法得到的混合特征的识别率提高了1.02%。     

基于小波包分解的数据融合损伤识别方法

目的为了充分利用来自多传感器的冗余、带噪声数据，提高结构损伤识别的精度．方法利用小波包良好的时一频特性，首先用小波包分解对结构响应进行处理．提取信号的不同特征参数，然后利用不同的特征向量对结构分别进行损伤识别，最后应用融合技术对不同的识别结果进行融合处理．并用一个七层钢结构框架的多损伤识别验证了该方法的有效性．结果结果表明，该方法能够极大地提高了结构损伤识别精度．结论运用小波包分析提取信号的特征参数与数据融合技术进行损伤识别．并使二者有机的结合是结构健康监测与检测的有效途径与发展趋势．     

基于小波改良动态Mel倒谱声纹识别算法研究

在传统Mel倒谱系数提取过程的基础上,结合离散小波变换,提出了改良动态Mel倒谱系数及基于小波改良的Mel倒谱系数,给出了相应的算法。不同语音长度和信噪比实验表明,该算法使得系统识别率和鲁棒性得到了提高。     

语音端点检测方法的分析与实现

本文在研究短时能量和短时过零率两种语音端点检测基本算法的基础上,编程实现了双门限的端点检测;并进一步根据小波变换的原理,利用小波变换和信号频域统计特性来精确地进行端点检测;最后,在研究了倒谱的相关理论基础上,实现了将语音数据进行倒谱变换,通过计算倒谱距离,在具有一定背景噪声环境下进行端点检测的实验.     

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。     

基于小波分析和支持向量机的结构损伤识别

提出了基于小波分析和支持向量机的结构损伤识别两步法.首先利用小波变换分析信号的奇异性来判别损伤发生的时刻;然后提取损伤信号的小波包分量能量,利用支持向量机算法建立SVM模型估计结构的损伤位置.网架结构的数值算例结果表明该方法可以有效地识别结构损伤.     

语音信息查询虚拟仪器的设计

在虚拟仪器开发软件LABVIEW平台上,利用LABVIEW和MATLAB混合编程,通过声卡获得原始语音信号,经过小波消噪处理、预加重处理和端点检测处理得到干净的语音信号,提取语音信号的美尔频率倒谱系数及其一阶、二阶差分系数作为语音识别的特征参数,通过矢量量化（VQ）与隐马尔可夫模型（HMM）实现非特定人连续语音的训练与识别,构建了基于LabVIEW平台的连续语音识别系统．实验表明,系统的识别速度较快,识别率达到90％左右,而且成本比较低廉,具有一定的应用价值．     

利用矢量量化的说话人识别系统的研究

利用矢量量化(VQ)技术实现了与文本有关的说话人识别。系统采用语音信号的LPC倒谱系数、差值倒谱系数、基音周期和差值基音周期的混合特征参数作为识别的特征矢量集,对语音库中语音的平均识别率达到了92％,实时识别率达到90％以上。实验结果表明该系统具有识别精度高、速度快等特点,是一种有效的说话人自动识别的实现方法。     

基于MFCC相关系数的语音感知哈希认证算法

提出了一种基于梅尔频率倒谱系数相关性的语音感知哈希内容认证算法. 该算法提取分段语音的声纹梅尔频率倒谱系数作为感知特征. 为提高算法的安全性,算法利用伪随机序列作为密钥,计算得到梅尔频率倒谱系数与伪随机之间的相关度,最后量化相关值并加密生成感知哈希序列. 语音认证过程中,采用相似性度量函数用来衡量哈希序列之间的距离,同时与汉明距离方法进行了比较. 仿真结果表明,该算法对语音内容保持操作,如重采样、MP3压缩等具有较好的鲁棒性,相似性度量函数也对语音篡改检测定位具有较高的灵敏性.     

用于版权保护与内容认证的多功能音频水印算法

针对现有的多功能音频水印算法恢复篡改区域的能力较弱问题,提出了一种多功能双音频水印算法.首先对原始音频信号分帧,结合Mel频谱倒谱系数计算每帧的相似帧,并将其作为鲁棒水印嵌入经过Torus映射的帧的低频小波系数的绝对平均值中;然后将高频小波系数的平均值作为初始值,利用Logistic序列生成认证水印信息,并通过单个量化高频系数的方法将其嵌入到音频信号中.仿真结果表明:所提出的算法具备很强的抗攻击性;脆弱水印对篡改敏感,而且篡改定位精确.     

基于小波能量的钢丝绳断丝损伤信号处理

提出了利用小波能量作为钢丝绳断丝损伤信号处理的1个特征量．根据Parseval能量积分等式从理论上推导了小波变换系数具有能量的量纲,将小波能量引入钢丝绳断丝信号处理中是可行的．通过对信号进行多层离散小波分解建立了小波能量求解的方程式,计算不同频带内钢丝绳断丝损伤信号的能量值,这些频带内的能量统计是在时域波形上进行的,体现了小波分析具有时频分析能力．最后针对不同的断丝损伤情况,分别求解各个频带内的小波能量值,修正了应用于钢丝绳断丝损伤信号处理的小波能量计算公式．试验结果表明小波能量表征断丝信号的1个特征量是有意义的．     

基于Hermitian小波的时间-小波能量谱滚动轴承故障诊断方法

针对滚动轴承早期故障微弱特征难以提取的问题,提出了一种基于Hermitian小波时间-能量谱的滚动轴承故障诊断方法.该方法针对轴承故障振动信号具有奇异性的特点,首先利用Hermitian小波对原始信号进行连续小波变换;再根据小波变换的结果求取信号能量在时间轴上的分布情况,利用谱峭度指标作为选择最佳累积尺度的标准,得到时间-小波能量分布;最后对时间-小波能量分布进行谱分析得到时间-小波能量谱以提取故障特征.利用时间-小波能量谱对仿真信号和轴承外圈及内圈点蚀故障信号进行分析.结果表明:该方法可有效地提取出强噪声环境下微弱故障的特征成分,并与普通的时间-小波能量谱作对比,特征提取效果更为明显,非常适用于滚动轴承早期故障诊断.     

基于最小方差无失真响应谱的语音特征提取

对最小方差无失真响应谱进行了研究,并将其应用到语音特征参数的提取中,对传统的美尔频率倒谱系数提取方法进行了有效的改进。该方法首先计算短时语音信号的最小方差无失真响应谱,在该谱的基础上提取美尔频率倒谱系数。基于最小方差无失真响应谱的美尔频率倒谱系数在保留语义信息的同时有效抑制了说话人信息,更加适合于关键词检出。     

桥梁健康监测中损伤特征提取的小波包方法

针对桥梁健康监测中结构损伤识别的特点,从模式识别的角度提出和分析了损伤特征提取问题.阐述了基于小波包分析的两种节点能量特征提取的方法.为了研究小波包系数节点能量和小波包信号成分节点能量对损伤信息进行特征提取的差异,通过对随机荷载激励下的连续梁进行数值模拟,得到了结构未损和损伤状态下的加速度时程信号.应用小波包变换,对不同结构状态下的加速度信号分别提取了两种小波包节点能量特征,并对它们作为结构损伤特征指标的敏感性进行了比较.认为两种特征指标的敏感性相差很小,而小波包系数节点能量特征指标的计算效率更高,更适合桥梁健康监测中损伤特征提取的要求.     

ZigBee无线通信网络入侵探测节点倒追定位方法

ZigBee无线通信网络入侵探测节点定位时,受入侵信号和噪声信号的影响会导致定位误差大、定位时间长和定位能耗高等问题,提出ZigBee无线通信网络入侵探测节点倒追定位方法。采用小波包消噪方法去除入侵信号噪声;利用集合经验模态分解法分解去噪后的入侵信号,筛选入侵信号特征并获取其能量;构建无线传感器网络入侵检测模型,通过模型对入侵探测节点进行感知和倒追定位。实验结果表明,所提方法的定位误差最大值为15,定位时间最大值为26.7 s,定位能耗为40 J,具有较高的准确度和有效性。     

模型钢梁裂缝检测的小波包网络仿真

以简支钢梁动态分析模型为研究对象,利用ANSYS软件对梁不同位置的裂缝损伤所引起的动态响应进行数字仿真,并对所获得的响应信号利用小波包进行信号分解,对分解后的各层小波系数取平方和,提取出各分解层的能量特征,又以能量特征作为神经网络的训练数据,结合BP神经网络模型的训练仿真方法,从而实现模型梁裂缝位置的检测.并与结构模型相似研究定律相结合,根据动力相似与静力相似规律开展仿真研究,仿真结果较为满意.     

基于小波和神经网络的传感器故障诊断

提出了一种新的基于小波包变换和BP神经网络的传感器突变故障诊断方法。根据小波变换在时域和频域都具有良好的局部化特性对信号特征进行精确定位,根据传感器输出信号的小波包分析提取能量变化率的特征向量,利用BP神经网络进行传感器故障分类。这种方法无需预先建立传感器模型和测量传感器输入信号,通过对小波包系数的削减,减少了冗余数据,提高了故障检测的实时性。仿真实验结果表明了该方法的有效性。