基于残差网络改进的中文语音情感识别

为解决小样本中文语音情感识别准确度低的问题,提出一种基于残差网络改进的中文语音情感识别网络结构AResnet。使用时域增强和频域增强生成更复杂的模拟样本扩充语音情感数据,将注意力机制引入至残差网络(residual networks)中,关注谱图中情感特征分布,提升情感识别率。在CASIA中文语音数据集上训练、测试,其结果显示,对比DCNN+LSTM、Trumpt-6网络结构,识别率分别提升约14.9%、3%,验证了AResnet在中文语音情感识别中的有效性。该方法也在英语语音数据集eNTERFACE’05上进行实验,识别准确率为92%,验证了AResnet有较好的泛化能力。

基于CNN和XLNet的音乐多模态情感分析方法

在情感分析领域,仅依靠文本等单一模态进行情感分析,限制了从多模态数据中提取多样化特征的能力,限制了情感分析结果的准确度和鲁棒性。为此,提出了融合音频分析网络和文本分析网络的多模态情感分析方法。其中,利用预训练卷积神经网络(CNN)和迁移学习技术进行基于Mel频谱图的音频情感分类,通过改进的XLNet模型执行歌词文本的特征提取和情感分类任务。CNN和XLNet输出包含概率权重和不同情感值的情感预测矩阵,最后使用堆叠集成方法合并不同模态的输出结果,完成多模态情感分类。在自建民族音乐数据集的消融实验证明,多模态方法具有良好的互补性,在情感识别任务中的性能显著优于单模态方法。公开数据集结果表明,所提方法的分类准确度达到83.75%,优于其他先进方法。

基于小波变换和高斯拟合的在线谱图综合处理方法

微小型移动式现场在线检测技术是分析仪器发展的新领域。针对复杂工作环境中谱图存在强噪声干扰、谱峰重叠、不规则峰形等严重影响仪器的定性和定量准确度的瓶颈技术,提出了一种基于小波变换和高斯拟合相结合的谱图在线综合处理方法,用自研的仪器对甲苯和全氟三丁胺两种典型化合物的谱图进行了处理,并与实验室分析仪器普遍应用的算法进行了对比分析。结果表明,综合方法能够有效解决强噪声干扰、谱峰重叠、不规则峰形问题,提高仪器的定性和定量准确性,同时能够实现数据压缩,满足仪器的在线实时检测要求。综合方法处理甲苯特征峰的平均信噪比(SNR)较移动平滑方法提高了1.3倍,峰位误差ΔM降低了3.6倍,处理全氟三丁胺谱图的数据压缩比为197∶1。

学科知识图谱的绘制及在学科发展监测与评价中的应用

本文提出了一套主要针对各类中文文献数据库,集词频统计法、社会网络分析法、计算机数据挖掘和数据可视化技术为一体的学科知识图谱绘制方法。该方法实现了从研究数据获取、数据计算和数据挖掘、数据可视化分析为一体的研究流程,同时选择3个不同类型的典型案例来说明此种方法的可行性、有效性以及该方法所具有的一些特殊优越性,为开展国内学科发展状况的监测与评价拓展了新的思路、方法和空间。

气相色谱仪图谱显示功能分析设计

面对复杂的色谱仪器系统,仅用万用表等测量工具已经无法对仪器进行有效地跟踪。色谱仪图谱显示功能以虚拟示波器的方式对被测信号尖峰的频率和幅值进行分析,显示幅值可调,使操作者能够及时了解仪器的动态特性。在采用高精度压频式A/D转换的基础上,通过设计高效的软件,实现了各通道数据的采集与处理。根据色谱曲线的特点,采用了一种基于插补算法的数据拟合与曲线显示,快速解析波形信息。实现了图谱定量分析、仪器自动标定等功能,进一步提高了仪器的智能化程度。

压缩感知在ISAR谱图压缩重构中的应用

针对天基逆合成孔径雷达(Space-borne ISAR)回波信息传输到地面过程中数据量大的问题,本文提出了一种基于压缩感知的ISAR数据压缩与重构方法。该方法是将目标回波变换到谱图域(即距离-慢时间域)后,再利用压缩感知技术将目标谱图压缩后传输,大幅减少了传输数据量。在地面接收端,利用基于正交匹配追踪法的谱图重构方法恢复谱图信息,并重构最终的ISAR像。仿真结果表明,利用本文方法恢复的谱图与压缩前的谱图相比相当逼近,而且重构出了高质量的ISAR像。

基于多维度频谱图的话语标记语特征识别系统设计

以话语标记语特征高精度识别为宗旨,该文设计一种基于多维度频谱图的话语标记语特征识别系统。用户可在该系统的录入模块存储话语标记语数据,录入模块将用户录入的话语标记语数据存储在数据库中,若用户在识别模块输入话语标记语识别指令,识别模块将使用基于多维度频谱图的话语标记语特征两层识别方法,以话语标记语两层分类的模式,将用户输入的话语标记语与数据库中的话语标记语相对比,提取话语标记语特征,识别话语标记语类型并将其展示在系统主界面反馈至用户。实验结果显示,所设计系统对多种、多维度的话语标记语特征识别精度较高,在话语标记语的多维度频谱图中,对话语标记语的多维度特征漏识率较低,使用优势显著。

基于USRP与YOLOv3算法的信号采集与识别设计

为了加快射频信号的采集和分析,采用NI USRP-2901硬件设备和LabVIEW软件实现一个射频信号采集处理平台。射频信号经过USRP-2901设备被放大、混频、滤波,滤波后的信号经过AD9361捷变收发器进行模数转换。通过FPGA将数字信号下变频到基带同相I信号和正交相Q信号。分别对I/Q信号加入汉明窗、汉宁窗、矩形窗,之后进行FFT得到频谱图数据。通过YOLOv3算法对标注好的频谱图数据集进行训练,训练完成后得到权重文件。调用权重文件对频谱图进行识别,识别时域信号中添加的是哪种窗函数。实验结果表明,采用YOLOv3算法比其他基于RPN算法的目标检测算法要好,YOLOv3算法泛化能力强,对于背景物体的识别有更高的准确率。

鸟类音频数据预处理方法

【目的】从原始鸟类音频频谱图样本集中自动筛选并剔除噪音频谱图,可以提升鸟类物种分类的准确率。【方法】本文基于卷积神经网络,对频谱图提取特征向量,借助Faiss算法库计算特征向量的距离矩阵,然后使用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法筛选出噪音频谱图,最后将经过筛选后的频谱图样本集输入到分类模型中进行鸟类物种分类。【结果】通过本方法,从频谱图样本集中剔除了大量噪音频谱图,使得后续的鸟类物种的分类准确率得到了提升。【局限】由于DBSCAN算法聚类的效果受到邻域阈值(ε)和密度阈值(MinPts)参数的影响比较大,因此未来应该去探索自适应的方法获得参数值。【结论】本文将卷积神经网络和数据挖掘中的密度聚类算法相结合,提出了一种鸟类音频数据预处理方法,该方法可以自动筛选噪音频谱图,为后续的鸟类物种识别提供了高质量的频谱图样本集。

电力设备在线监测谱图数据标准化研究

针对局部放电谱图、油中溶解气体出峰图、断路器监测谱图等常用谱图数据的应用特征进行分析,建立标准化的数据编码表,形成了规范化的谱图数据文件格式,并且进一步规范谱图数据文件的传输机制,提出了周期传输、触发传输等标准化通信方式。在此基础上,为推进谱图数据的标准化应用,制定了一致性测试的检测标准。实际应用表明,在线监测谱图数据标准化研究能够解决不同厂家谱图数据应用混乱的难题。

时频谱图和数据增强的水声信号深度学习目标识别方法

水声目标识别一直是水声领域研究的重点问题之一,深度学习方法可以有效地解决目标识别问题,然而,水声样本的稀少限制了该方法的应用。该文提出一种基于数据增强的水声信号深度学习目标识别方法,该方法以Mel功率谱作为网络的输入特征,通过对原始信号在时域和时频域的拉伸和掩蔽等变换,实现数据扩展和增加泛化性能的目的,最后,利用改进的VGG网络模型实现目标分类。实验结果表明,该文方法得到的水下目标识别准确率(95.2%)要优于其他4种对比方法,证明了该文提出的网络模型和数据增强方法均有助于提高目标分类性能。

基于视觉变换网络的音乐流派自动分类

随着网络音乐产业的快速发展,构筑音乐自动检索和分类系统的需求日益增加。利用计算机对音乐流派进行正确标注是实现音乐类型精准分类和保障音乐推荐系统性能的重要前提。针对卷积运算不具备提取全局表征的能力,深度卷积神经网络对音乐流派数据的全局建模能力较弱的问题,提出了一种基于视觉变换(ViT)神经网络的音乐流派自动分类方法。该方法对待分类的音频进行预处理后,利用短时傅里叶变换(STFT)转化为尺寸统一的语谱图切片,实现音乐频域特征的转换。为了避免训练过拟合,通过增加白噪声对语谱图切片集进行数据增强。然后利用所生成的语谱切片集及其增强后的数据集对所构建的ViT神经网络进行训练,从而实现音乐流派风格的自动分类。仿真结果表明,所构建的ViT网络在音乐流派分类公共数据集GTZAN上的测试识别准确率达到91.01%,比基于AlexNet、AlexNet-enhanced和VGG16等传统卷积神经网络(CNN)的音乐流派分类方法提升了1.00~5.00个百分点。

基于双重数据增强策略的音频分类方法

卷积神经网络模型作为音频特征提取器具有较好的应用效果,但该类模型的训练过程对数据量要求比较高。针对这一问题,本文提出一种基于双重数据增强策略的音频分类方法。首先采用传统音频数据增强方法(旋转、调音、变调、加噪),并将增强后的数据转化为语谱图,再采用随机均值替换法进行谱图增强。在此基础上训练Inception_Resnet_V2神经网络模型作为音频特征提取器,最后训练随机森林模型作为分类器完成音频分类任务。实验结果表明,与已有方法相比,采用双重数据增强策略可明显提升音频分类精度,并且训练出的特征提取模型具有较强的泛化能力。

数据解析技术在录井行业的应用

为提高录井谱图的应用效果,利用计算机数据解析技术,对录井行业地化、轻烃、核磁等一系列特色技术产生的二进制数据谱图文件进行解析,进而总结出录井行业二进制谱图数据解析的通用方法和流程。利用这些方法,结合通用数据库,可以实现对谱图文件进行解析和数字化、格式化处理,最终形成录井特色技术谱图数据库。在谱图数据库的基础上,借助信息技术实现特色录井数据查询、谱图展示、谱图输出等,对实现特色录井技术谱图数据的再挖掘利用和数据综合解释评价工作起到了重要的作用。

基于FPGA的X射线光谱数据采集系统设计

以X射线透射衰减规律为基础,设计一款基于FPGA的X射线光谱数据采集系统。系统在硬件结构上由测量装置和数字脉冲信号处理器组成,其中,测量装置包括放射源、样品、探测器三个部分,数字脉冲信号处理器则由前端电路、模数转换电路以及FPGA中的脉冲甄别、数字成形单元组成,成形后的脉冲幅度经单片机进行多道成谱并最终绘制出X射线光谱图。经测试,该文系统有效地实现了多道谱数据的采集且稳定性良好。

录井资料处理与模式识别技术在长庆油田录井解释评价中的应用

为了提高录井资料的应用价值,尝试利用录井智能解释软件对多项录井资料进行标准化、数字化处理,然后进行敏感参数提取,并利用模式识别技术充分挖掘新解释方法。基于该思路,阐述了多种资料处理技术,包括保留时间校正技术、指纹对别技术、谱图重构技术、敏感参数提取技术,并详细介绍了实现过程。利用多种模式识别技术所建立的新解释方法,包括相似度分析、多元统计分析等,在长庆油田后期生产中均取得了较好的应用效果,对录井技术创新发展有一定的借鉴意义。

基于时-频谱图和小波神经网络的时间序列鲁棒建模方法

借助时-频谱图识别时间序列中异常数据的位置和性质,利用小波神经网络作为拟合工具,同时引入加权误差能量函数,通过适当选择网络结构和参数优化,实现对受污染的时间序列的抗扰最佳逼近。实例表明利用时频谱图进行异常数据定位准确可靠,采用加权误差能量函数的小波神经网络除具有逼近性能好、具有抑噪特性和收敛速度快的优点外,还能有效地消除异常数据对拟合结果的影响,具有较强的鲁棒性。