基于稀疏表示的声频目标识别方法研究

提出分别利用短时傅里叶变换和小波变换进行特征提取和稀疏表示分类(SRC)的车辆识别方法.其中,短时傅里叶变换(STFT)和离散小波变换(DWT)分别从每个传感节点收集到的声音信息中提取车辆的特征向量,SRC通过特征训练集建立一个过完备字典来求解稀疏最优化问题,从而实现分类识别.实验结果表明,短时傅里叶变换提取特征并进行分类的效果高于用小波变换进行特征提取并分类的方法,也高于利用MFCC提取车辆声音特征并进行分类的方法.     

基于图像的远程燃气表直读系统研究与实现

基于图像的燃气表远程直读系统设计了在燃气表上加装图像采集模块,通过GPRS方式将图像定时发送到远端服务器,由服务器通过图像处理和模式识别技术对燃气表的读数进行识别。在图像采集模块中,采用了分块迭代算法对图像进行二值化处理,使其具有更好的适应性,并在远程发送前对图像数据进行压缩,以减少数据量。服务器端通过对图像进行二次处理、图像分割等预处理后,采用模板匹配算法对字符进行识别。     

基于HHT的声频传感器车辆分类识别

针对传统语音信号识别过程中出现的识别率较低或者是计算时间复杂度高的问题,提出了基于希尔伯特黄变换(HHT)的快速声频传感器车辆识别方法.该方法将HHT算法和语音信号特征提取中常用的梅尔倒谱系数(MFCC)相结合,形成一种新的特征提取方法.实验中,将这种方法分别与K-近邻算法(K-NN)、支持向量机算法(SVM)和稀疏表示分类算法(SRC)配合进行语音信号识别,结果表明,该特征提取方法与K-NN分类算法配合,在识别率和算法运行效率方面具有明显的优势.