基于稀疏表示分类器的和弦识别研究

和弦识别作为音乐信息标注的基础,在分析音乐结构和旋律方面具有非常重要的作用.结合音乐理论知识,提出一种基于稀疏表示分类器的和弦识别方法.与传统的基于帧的识别方法不同,以节拍作为和弦变化的最小时间间隔,利用CQT (Constant-Q Transform)变换对音乐信号进行时频分析,提取PCP (Pitch Class Profile)特征,采用稀疏表示分类器(Sparse Representation-based Classification,SRC)进行和弦识别.实验结果表明,提出的特征和识别方法在识别率上均高于传统的方法.     

电力监测无人机与移动机巢协同路径规划方法研究

由于小型商用无人机续航时间有限，完成长距离持续电力监测任务有一定困难。因此，提出了一种无人机与移动机巢协同路径规划方法，使用能耗受限的无人机进行持续电力监测，而无人机由移动机巢充当移动充电站。路径规划目标是由无人机定期访问一组监测点，同时最大限度地减少连续访问监测点之间的时间。将无人机和移动机巢在持续监测场景下的最优规划描述为组合优化问题。此外针对优化问题还提出了一种算法，能够成功处理未知障碍。该算法将监测环境分解为最大分区，只要无人机在距离分区中心足够近的地方释放，就可以在一次能耗循环中覆盖这些分区，完成监测后移动机巢将无人机运送到下一个分区，并同时充电。在仿真中对所提出的方法进行了测试，并与传统规划方法进行了对比，结果表明所提出的方法在计算时间和鲁棒性方面均有较大提升。