共查询到19条相似文献,搜索用时 62 毫秒
1.
针对无人机飞行时噪声产生的机理,分别选取基于经验模态分解(EMD)的能量比以及梅尔频率倒谱系数(MFCC)的特征提取算法实现无人机声信号的特征提取,并引用主成分分析(PCA)方法对特征集进行降维融合处理。最后选择矢量量化方法(VQ)作为分类器对不同类型的无人机目标进行分类与识别。实验结果表明特征融合后的分类性能要好于基于单一特征的分类性能,该方法较好地体现不同类型无人机之间的差异,分类结果准确率较高,具有良好的稳定性。 相似文献
2.
现阶段,汽车异响的诊断主要依赖有经验的工程师进行主观评判,存在不准确、易错判、易漏判的问题。针对汽车敲击异响实测信号进行统计分析得到梅尔倒谱系数(Mel frequency cepstrum coefficient, MFCC),并以此作为表征异响来源的特征向量,基于最大似然估计法构建其联合概率分布高斯混合模型(Gaussian mixture model, GMM),从而针对未知实测异响信号可利用该GMM模型进行似然判别。指出了说话人识别技术与敲击异响识别的不同之处即Mel三角滤波器个数和离散余弦变换输出系数个数的选取方式,并对方法的可行性进行分析,最后试验加以验证。结果显示此方法的识别率达100%,拒绝率达100%以上,为汽车异响的客观评价方法打下基础。 相似文献
3.
4.
借鉴人耳听觉原理和特征学习的优势,提出了梅尔(Mel)频率谱提取和稀疏非负矩阵分解相结合的方法用于低空飞行目标声信号识别。首先,以不同目标的Mel频率谱为特征矩阵,利用稀疏非负矩阵分解方法学习得到各自的模板矩阵;然后,利用按列合并后的模板矩阵对训练/测试样本进行特征分解获得编码系数,该系数可作为分类特征;最后,结合不同目标的特点,采用分频段特征提取和顺序二类分类的方法进行多目标分类,并与Mel频率倒谱系数进行性能比较。结果显示,无论在单类目标辨识还是在多类目标分类中,稀疏非负矩阵分解方法均取得了更好的效果。 相似文献
5.
声道谱转换是语音转换中的关键技术。目前,大多数语音转换方法对声道谱的转换都是先提取语音中的某一种声道特征参数,然后对其进行训练转换,进而合成转换语音。由于不同的声道特征参数表征着不同的物理和声学意义,因此这些方法通常忽略了不同声道特征参数之间可能存在的互补性。针对这一问题,研究了不同声道特征参数之间进行联合建模的方法,引入了一种由线性预测系数(LinearPredictionCoefficient,LPC)和梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficient, MFCC)联合构成的LPC-MFCC特征参数,提出了一种基于高斯混合模型(Gaussian Mixture Model, GMM)和LPC-MFCC联合特征参数的语音转换方法。为验证文中方法的有效性,仿真实验选取了基于GMM和LPC的语音转换方法进行对比,对多组实验数据进行主观和客观测试,结果表明,文中提出的语音转换方法可以获得相似度更高的转换语音。 相似文献
6.
为了实现在野外通过低成本嵌入式系统识别鸟类,提出了基于特征融合和B-SVM的鸟鸣声识别方法。对鸟鸣声信号提取梅尔频率倒谱系数、翻转梅尔频率倒谱系数、短时能量和短时过零率组成特征参数,通过线性判别算法对特征参数进行特征融合。利用黑寡妇算法通过测试集对支持向量机模型的核参数和损失值进行优化得到B-SVM模型。利用Xeno-canto鸟鸣声数据集对本文算法进行了测试,结果表明该方法的识别准确率为93.23%。算法维度参数的大小和融合特征维度的高低是影响算法识别效果的重要因素。在相同条件下,文中所提的基于特征融合和B-SVM模型的鸟鸣声识别算法相较于其他特征参数和模型,识别的准确率更高,为野外鸟类识别提供了参考。 相似文献
7.
8.
《中国测试》2017,(2):98-103
针对音色变换软件带来的社会安全问题,提出一种音频信号篡改检测方法。首先根据语音信号的混沌特性和人耳的听觉特性,利用美尔频率倒谱系数(Mel frequency cepstral coefficients,MFCC)特征提取原理,提取待测音频的杜芬频率倒谱系数(Duffing frequency cepstral coefficients,DFCC),然后将特征参数的幅度进行提升,利用支持向量机(SVM)将特征参数与语料库里的特征进行分类。分类成功的情况下,根据幅度提升的大小判断待测音频信号是否经过篡改;同时根据幅度提升的大小和待测音频的性别判断说话人的真实性别。大量的实验结果表明,该方法在音频信号的篡改检测和音频信号说话人的真实性别判断方面均具有较高的准确率,并且性能稳定。 相似文献
9.
10.
11.
文章全面介绍了我国大型模拟型靶机、实体型靶机及某型无人机的研制、发展历程,阐述了各型靶机(或无人机)的主要技术难点和关键技术。通过对各型无人机发展历程的阐述,说明了一个道理:我国无人机的发展,走的是一条自力更生、独立自主的道路;只有走自己的路,道路才越走越宽广。同时,对未来我国无人作战飞机的作用、地位与发展进行了预测、分析和规划。 相似文献
12.
口腔运动与人们的饮食规律息息相关,该文通过对口腔运动状态的分析识别来监测人们的饮食规律,以此来指导人们的饮食习惯。借助语音识别技术的思想和方法,分析识别口腔运动产生的骨导音,为提升识别效率,采用了传统的隐马尔可夫模型。基于隐马尔可夫模型建立了一套骨导音识别系统,在进行骨导音识别之前,通过分帧加窗、提取梅尔频率倒谱系数,对其进行模型训练;在识别过程中,找出与待测音频信号和模板库中匹配度最高的模型,以其模型输出结果作为最后的识别结果。该方法的识别结果可以达到 84%,实验结果表明该方法具有一定的可行性。 相似文献
13.
将无人机(unmanned aerial vehicle, UAV)技术用于实现电力线展放正逐步成为电力行业发展的主要趋势,研究无人机自主架线技术能够有效提高作业效率、降低施工成本和保障工人安全。但现阶段无人机架线技术面临的问题主要有:1)大多数无人机依赖人工操控或地面站发布航点控制,智能化水平低,长期作业会给电力工人带来较强负荷;2)无人机缺乏自主避障能力且感知能力不足,电线、电杆等障碍物会对其造成安全隐患。为解决上述问题,首先,构建了无人机自主架线系统的硬件框架和以ROS(robot operating system,机器人操作系统)为基础的模块化软件框架,并在此基础上实现了架线任务规划算法和架线弓检测算法等,使无人机具备稳定的自主架线能力。然后,利用碰撞检测方法构建了无人机碰撞模型,并提出了无人机路径规划算法,同时引入地面站辅助避障策略,以有效提高无人机的安全性。实验结果表明:所设计的无人机自主架线系统的软、硬件框架合理,架线任务规划算法能帮助无人机高效稳定地完成自主架线任务;地面站能够实时监控无人机状态,并在必要时及时辅助无人机避障,最大程度地保证了无人机的安全。所设计系统安全可靠,可满足实际电力架线作业的需求。 相似文献
14.
为改善混响背景下传统匹配滤波算法效果不佳问题,在分析其非平稳性、有色性和非高斯性的基础上,提出了混合高斯时变自回归模型(Gaussian mixture Tvar Model,GTM),推导了模型公式及其参数求解方法,形成了GTM回波检测算法。为对混响特性及滤波效果进行定量描述进而验证算法性能,给出了一种定量衡量混响非平稳性、有色性、非高斯特性的滤波效果评价方法。通过实测混响分析表明,GTM模型能够较好地拟合实测混响的概率密度曲线和功率谱密度曲线,实现了混响背景下回波的有效检测并改善混响特性。 相似文献
15.
16.
自主检测技术是实现水下无人航行器(Underwater Unmanned Vehicle,UUV)智能化的关键技术,是无人航行器能够自主执行水下预警、目标跟踪等任务的前提。针对当前基于均值类和有序统计类恒虚惊(Constant False Alarm Rate,CFAR)技术的自主检测方法在背景起伏严重、多目标情况下,背景噪声统计特性估计不准确、自主检测性能下降的问题,文章提出了一种基于方位-时间二维参考窗联合有序截断平均算法的自主检测方法。首先,该方法设计了一种方位-时间二维参考窗,解决了一维参考窗检测参考样本过少、噪声统计量估计不准的问题;其次,采用有序截断平均算法估计背景噪声统计量,对起伏背景进行均衡;最后,利用背景噪声均值和方差构造恒虚警检测器,采用检测前跟踪技术,实现起伏背景下、多目标自动检测与跟踪。湖上试验结果表明,在水下无人航行器的自噪声干扰下,该方法对多目标依然具有较好的自主检测效果。 相似文献
17.
18.
In Aerial surveillance, thermal images acquired by unmanned aerial vehicle (UAV) are greatly affected due to various external interferences, which results in a low contrast image. Widely used conventional contrast enhancement methods such as histogram equalization and dynamic range partitioning techniques suffer from severe brightness changes and reduced sharpness, which in turn fail to preserve the edge details of the image. Thus for efficient target detection, it is essential to develop effective thermal infrared image contrast and edge enhancement technique. In this paper, wavelet transform (WT) and singular value decomposition (SVD)-based image enhancement technique is attempted for the target detection using thermal images captured by UAV. The discrete wavelet transform (DWT), stationary wavelet transform (SWT) and SVD are used for texture feature enhancement, edge enhancement and illumination correction, respectively. The experimental results show that the proposed technique yields higher entropy (6.7485), EMEE (2.1212), MSSIM (0.8719) and lower AMBE (21.9049) values when compared to other existing techniques. 相似文献