基于支持向量机的乐音识别

乐音识别的研究早在20世纪60年代就开始了,但是直到最近,识别系统的性能仍不令人满意。本文通过研究乐音的声音和物理特性,提出了利用支持向量机进行乐音识别的新思路,给出了基本的算法框架,并对钢琴的所有单音进行了识别,实验证明该算法提高了识别的快速性和准确性。     

一种改进的基于FLUENT的三维波浪水槽模拟方法

在分析现有波浪水槽模拟方法的基础上,提出一种基于FLUENT求解器的在计算波浪水槽时用于消波区的自定义能量函数,并将其应用于计算三维波浪水槽中。通过在求解器中加入该能量函数,并将其结果与实验结果进行对比,找出了最佳的能量函数中的变量系数,达到优化三维波浪水槽的目的。     

基于CRFs和MPCP特征的和弦识别研究

和弦识别是音乐调式分析和自动标注的基础,同时在分析音乐的结构和旋律方面有着非常重要的作用。结合音乐理论和信号处理知识,提出一种基于MPCP（Mel Pitch Class Profile）特征和CRFs（Conditional Random Fields）模型的和弦识别方法。利用短时傅里叶变换（STFT）对音乐信号进行时频变换,定义了一种新的MPCP特征,最后用CRFs对和弦进行识别。实验结果表明,提出的方法在识别率上优于其他方法,具有一定的潜力。     

缸内直喷发动机热机起动模式的研究

在缸内直喷发动机上分别研究传统起动模式、压缩缸起动模式和膨胀缸燃烧辅助起动模式三种起动模式,对比分析了其起动过程中起动转速特性、起动HC排放和起动耗电量。研究结果表明:相比传统起动模式,压缩缸起动模式和膨胀缸燃烧辅助起动模式在起动速度和起动耗电量方面均有较大优势,尤其后者起动耗电量几乎节省一半;在起动HC排放方面,压缩缸起动模式没有太大的增加,而膨胀缸燃烧辅助起动模式因其膨胀缸燃烧不良以致有一定程度的增加;压缩缸起动模式的综合性能更具优势。     

基于RBF神经网络的钢琴单音识别研究

为了能让计算机与人类能够用音乐自由的沟通,有关计算机音乐处理的研究越来越重要。对比了音乐信号与语音信号的特性,选取MFCC（Mel—Frequency Cepstral Coefficients）作为单音信号的特征,并对特征矢量维数的选择进行了讨论,利用RBF神经网络对钢琴88个单音进行识别。实验结果表明所选特征对识别单音信号是有效的。