Relative energy zero ratio-based approach for identifying pulse-like ground motions

Pulse-like ground motions are capable of inflicting significant damage to structures. Efficient classification of pulse-like ground motion is of great importance when performing the seismic assessment in near-fault regions. In this study, a new method for identifying the velocity pulses is proposed, based on different trends of two parameters: the short-time energy and the short-time zero crossing rate of a ground motion record. A new pulse indicator, the relative energy zero ratio(REZR), is defined to qualitatively identify pulse-like features. The threshold for pulse-like ground motions is derived and compared with two other identification methods through statistical analysis. The proposed procedure not only shows good accuracy and efficiency when identifying pulse-like ground motions but also exhibits good performance for classifying records with high-frequency noise and discontinuous pulses. The REZR method does not require a waveform formula to express and fit the potential velocity pulses;it is a purely signal-based classification method. Finally, the proposed procedure is used to evaluate the contribution of pulse-like motions to the total input energy of a seismic record, which dramatically increases the seismic damage potential.

基于电流信号短时过零率的电弧故障检测

现有电弧故障检测方法运算复杂,实时检测下硬件性能要求和实现成本高,实际工况下可实施性差。为此,提出一种基于电流信号短时过零率的电弧故障检测方法,并利用微控制器实现电弧故障检测装置样机制作与实验,其主要特点在于电流信号短时过零率特征提取过程中有且仅有加减运算。电弧故障电流信号短时过零分析时,对比短时傅里叶变换分析验证得出:短时过零率可有效提取电弧故障信息。结合模式匹配识别算法完成电弧故障检测与分类。样机实验证明,该方法对电弧故障电流信号敏感,可有效实现电弧故障检测与分类,且易于实现。

一种基于改进谱减法的语音去噪新方法

介绍了改进谱减法的原理及算法。提出在信噪比(SNR)较低的情况下,根据语音短时能量和过零率,判断在无声或有声期间是否偶然的噪声过高,从而设定合适的参数降低噪声。实验证明该方法提高了输出信噪比,改善了语音质量,具有良好的语音去噪的效果。

基于短时幅度-过零率函数识别抽油井液面回波

基于液面回波短时过零率较低的显著特征和新定义的短时幅度函数,提出一种新的液面回波的综合识别方法,将含有幅度敏感因子的短时幅度函数与短时过零率函数相结合构造出了一个短时幅度-过零率函数,利用该函数逐帧地对回波信号进行计算,可识别出液面回波。与传统方法相比,可显著降低误判。通过阈值方法或其他方法可确定液面回波到达时刻。通过对比分析与实际计算给出了短时幅度-过零率函数的参数及帧长的选择范围。合适的函数参数和帧长可在一定程度上提高识别能力。现场应用表明该方法是可行的,与传统的单一幅值的识别方法相比,该方法对液面回波的正确识别能力有较大提高。

一种语音信号端点检测的改进方法

在研究传统的语音端点检测方法的基础上,为提高语言识别率和准确性,提出了一种新的利用对短时能零和过零率的进行差分的方法来求取语音的起始点,达到了语音端点检测的目的。利用语音段和无声段的边界差异性,运用差分的方法找到语音段的起点和末点,避免了对语音段本身的判定过程,增强了抗噪性能也降低了计算复杂度。通过仿真实验结果可以证明,上述方法优于传统语音端点检测方法。

基于G.729的自适应实时语音活动检测方法研究

提出了一种运用短时能量和短时过零率两个参数进行静音检测的模型,针对不同情况下的语音数据动态调整模型,实现了不同噪声环境下对语音片段的有效检测。该算法实现简单,可实时的对活动语音进行检测不引入延迟。实验结果表明所采用的方法能够比较准确地检测出语音片断,对于噪声环境和音量低的语音都有很好的自适应性。

基于无线传感器网络的咳嗽音检测系统研究

咳嗽音是众多疾病常见的重要症状之一,包含极其重要的临床信息。针对目前多参数无线家庭监护系统忽视此重要生理参数的现状,设计了一种基于无线传感器网络的咳嗽音检测系统,选用SPCE061A单片机和CC2430无线收发模块共同构建了关键节点的硬件平台和软件平台,并运用短时能量和过零率的双门限算法检测信号。测试结果表明:该系统可以实现咳嗽音信号的实时采集和有效传输,并成功定位咳嗽音,准确率达到90%以上。

匹配追踪时频分解算法的端点检测方法

为了能在无噪音环境下准确地检测语音信号的端点,传统的方法是使用过零方法检测清音,短时能量方法检测浊音,两者相结合便实现了端点检测。通过对语音信号在时频平面中分布的研究,提出了一种基于匹配追踪时频原子分解算法的端点检测方法。该方法利用匹配追踪算法对信号进行分解,使得信号在时频平面上具有较直观明显的魏格纳能量分布,利用这个特点设置一个门限值再进行端点检测,便能准确检测出语音信号端点。实验结果表明,和传统的方法相对比,因为涉及到了信号的分解,所以实时性较差,且门限问题还有待深入研究,但该方法能更加准确地检测出语音信号的端点,亦为端点检测问题提供了一种新的思维方法。

咳嗽识别中的端点检测方法

端点检测是咳嗽识别过程中的一个重要环节,传统的基于短时能量和平均过零率的端点检测方法对咳嗽音检测效果不明显。针对该问题,在对咳嗽音分析的基础上采用自适应门限对传统方法进行改进。最后用实验验证了该方法对咳嗽音的端点检测的效果。

基于音频特征和逼近信号统计特征的数字零水印算法

提出了一种基于音频特征和逼近信号统计特征的零水印算法.实验结果表明,该算法能根据音频自身的特点寻找到适合用于嵌入水印的音频帧,实现水印信息的嵌入、提取和盲检测,在不改变听觉质量的同时降低了计算量,提高了水印的鲁棒性.

一种典型的语音端点检测方法的研究

语音端点检测是语音识别系统中最基本的模块,端点检测的准确与否直接影响了系统的运算复杂度和系统的识别性能。本文描述了一种典型的语音端点检测算法——两级判别法,并分析了这种方法在Matlab上的实现,最后给出了仿真结果。实验结果表明,两级判别法对于语音端点检测具有良好的效果。

三电平背靠背变流器的中点电压波动分析与抑制

三电平背靠背系统的中点电压同时受两侧变流器调制方式的影响。根据三电平变流器是否为直流电压自控制系统,变流器对中点电压的影响需采用不同的分析方法。同时,背靠背系统的工作点、两侧变流器不同的SVPWM实现方式、机侧与网侧基波电流的频率比、机侧与网侧的基波电流初始过零点的时间差均会对系统的中点电压平衡产生影响。本文根据三电平背靠背系统两侧变流器功能的划分,分析了机侧与网侧变流器采用不同的SVPWM组合方式对中点电压波动的影响。理论分析与仿真结果表明,当系统工作点位于Zone-A时,网侧采用虚拟矢量合成SVPWM(VVS),机侧采用最近三矢量合成SVPWM(NTV)这种组合方式具有较好的综合特性;在Zone-B,NTV(网侧)-VVS(机侧)具有较合适的调制方法。

基于信号包络及短时过零率的心音分段算法

心音能有效地反应心脏尤其是瓣膜活动状况,研究基于心音的心脏病决策系统具有重大意义。心音分段是建立心音决策系统的基础和前提,其目的是定位心音的主要成份,为特征提取与模式识别提供定位基准。本文通过使用双门限、迭代等方法,改进了基于信号能量的分段算法,并首次引入短时过零率以更准确地定位分段边界。实验结果表明,该算法对正常心音及常见异常心音分段效果良好。

改进波形相似叠加算法的音频时长调整

针对波形相似叠加算法在处理高采样率音频时效率低的缺点,提出由短时均值包络到细化波形的逐步匹配方法.首先基于短时均值包络进行粗匹配,在此基础上细化包络,进行再匹配以实现音频时长调整.该算法降低了计算量,提高了运算效率.在进行音频时长调整过程中,还利用音频的优化低能量率特征参数动态调整分析窗长度,实验表明这种处理方法对混合音频的处理效果有很大改进.

基于音频特征和模糊神经网络的禽流感病鸡检测

为了能在早期发现禽流感并进行预防,该文提出了一种基于音频特征和模糊神经网络的禽流感病鸡检测方法。依据获取的家禽音频和环境及其他噪声的谱熵差别大的特点,在复杂环境中分析并提取出鸡声,丢弃非鸡声段,对提取的鸡声进行分析及处理,计算短时过零率、短时能量以及短时过零率与短时能量混合特征,用作判别患禽流感的病鸡和健康鸡的依据。利用T-S模糊神经网络,对提取出来的家禽音频特征进行训练和识别,试验表明隶属度函数为钟形函数、隶属度个数为2时模糊神经网络对试验提取的3个鸡声特征组成的3组测试集的敏感性分别为75.47%、80.39%和76.92%,特异性分别为80.85%、79.59%和72.92%,正确识别率分别为78%、80%和75%。该研究为规模化家禽养殖场及大型家禽流通市场的禽流感病禽识别提供一套快速、高效检测方法。

基于音频特征和低频系数较小值的水印算法

提出一种基于音频特征和DWT低频系数相对较小值的数字水印算法。分析音频帧的过零率及短时能量,选取适当的阈值初步舍弃表明信号中高频信号成分的音频帧,筛选出待处理的音频帧。将选定的音频帧拼接在一起进行小波变换,选取低频系数并分段,通过相邻3个水印比特组合的二进制之和确定水印在该段中的嵌入位置,将系数修改为相邻系数中较小的值。实验结果表明,该算法通过对音频特征的分析,能降低提取低频分量的时间复杂度,实现水印信息的盲检测,提高水印的鲁棒性。

基于短时平均幅度的语音端点检测的改进

介绍了计算机语音处理中端点检测的方法,分析了短时平均幅度的语音端点检测的不足之处,并提出改进方法,最后给出实验结果。

一种用于枪声的多级检测识别技术

声音无处不在,声音的检测与识别一直是声音研究领域的重要内容。其中公共场所环境中的突发声音的检测一直是一个难题,本文提出了一种利用短时能量和短时平均过量率以及MFCC和DTW对枪声等特定声音的多级检测算法。实验结果表明,本算法具有较低的计算复杂度,易于实现,而且检测的漏检率和误检率都很理想。

纯音乐与语音-音乐混合片段的高准确识别方法

通过对同一首歌曲音频信号的特征分析,提出了一种基于音频片段平均短时能量和过0率标准偏差的融合判决方法.该方法解决了纯音乐与语音-音乐混合片段识别易混度高的问题,可以准确地识别同一首歌曲中纯音乐片段和语音-音乐混合片段,为去除音频中不需要的部分提供一种有效的预处理方法,并且可以更好地提高数据处理的效率和性能.实验结果表明,通过对不同风格、不同歌手以及不同语言的歌曲处理,纯音乐的平均正确率为92.30%,语音-音乐混合的平均正确率为96.36%.

一种基于小波变换的清浊音分类基音检测方法

提出了一种基于小波变换的鲁棒性基音周期检测方法。首先结合平均能量频带分布和短时过零率这两个特征参数对语音信号进行清浊音判决,然后对浊音段采用空域相关函数提取基音周期。实验表明,与传统的小波变换和自相关算法相比,该方法鲁棒性好,对基音检测具有更高的准确性。