基于小波散射变换和MFCC的双特征语音情感识别融合算法

为了充分挖掘语音信号频谱包含的情感信息以提高语音情感识别的准确性,提出了一种基于小波散射变换和梅尔频率倒谱系数(Mel-frequency cepstral coefficient,MFCC)的排列熵加权和偏差调整规则的语音情感识别融合算法(PEW-BAR)。算法首先获取语音信号的小波散射特征和梅尔频率倒谱系数的相关特征;然后按尺度维度扩展小波散射特征,利用支持向量机得到情感识别的后验概率并获得排列熵,并使用排列熵对后验概率进行加权;最后采用一种偏差调整规则进一步融合MFCC的相关特征的识别结果。实验结果表明,在EMODB、RAVDESS和eNTERFACE05数据集上,与传统的基于小波散射系数的语音情感识别方法相比,该算法将ACC分别提高了2.82%、2.85%和5.92%,将UAR分别提升了3.40%、2.87%和5.80%,IEMOCAP上提高了6.89%。

基于二维散射变换的湖相碳酸盐岩储层厚度预测方法研究

济阳坳陷沙四段湖相碳酸盐岩受湖盆内沉积环境和构造运动等因素控制,储层厚度变化大,非均质性强,油气开发难度大.为了准确预测湖相碳酸盐岩储层的厚度,本文提出一种基于二维散射变换和随机森林的储层厚度预测方法.首先,引入二维散射变换提取地震时频属性,该变换是在二维小波变换的基础上,通过迭代小波分解和非线性操作来实现的.与传统的二维小波变换对比,散射变换提取的时频属性具有局部形变稳定性以及对噪声鲁棒性的优点,有助于提高储层厚度预测的准确率.在此基础上,在有限测井数据的条件下,利用随机森林算法建立多尺度时频属性与测井解释厚度之间的非线性关系,实现湖相碳酸盐岩储层预测.模型数据的预测结果表明,与基于传统地震振幅属性的厚度预测和基于二维小波变换的储层厚度预测对比,本文所提的厚度预测方法具有最优的性能.叠后三维地震数据的预测结果表明,与基于传统地震振幅属性的厚度预测和基于二维小波变换的储层厚度预测对比,本文所提方法的厚度预测结果与实际钻井数据误差更小,提高了储层厚度预测的精度,清晰刻画了灰礁、灰滩与灰泥等三种沉积亚相的空间展布,有利于后续井位部署和优化.

关于散射变换的特征问题

本文从线性变换的角度出发,讨论了散射变换及其相关的散射矩阵.在不同坐标系下,给出了散射矩阵的各种表达形式及其转换关系.在此基础上指出了Sinclair双站散射矩阵是散射变换在两个不同坐标系下交叉构成的,是散射变换的非自同态矩阵,它不能直接确定散射变换的特征多项式.文中同时指出了由Sinclair散射矩阵还原目标散射矩阵,从而获得特征多项式的逆变换过程.

Landau-Lifschitz方程的反散射变换微扰理论

基于反散射变换方法建立了Landau-Lifschitz方程的微扰理论.保持由第一个Lax方程出发引入的Jost解的解析性,而在第二个Lax方程中修正了存在微扰项方程散射数据随时间的演化方程,从而得到了Landau-Lifschitz方程微扰理论的两个基本方程以及分离谱时谱参量λn和bn(t)散射数据随时间的演化规律.

散射变换理论研究进展

散射变换是基于小波变换的图像变换新方法,通过迭代方向复小波分解、模运算及局部平均获取图像的特征描述,具有局部平移不变性和弹性形变稳定性,是近年来信号处理领域的研究新热点.介绍了散射变换的原理,实现算法和一些典型应用,并指出所面临的问题和研究方向.

孤立子2＋1维离散方程的反散射变换

研究了矩阵方程在离散情况下的反散射问题，通过推导得出了有关散射数据和反散射解．

(2+1)维Kelvin—Helmboltz Wave方程的反散射变换(英文)

本文中,我们讨论了(2+1)维Kelvin—Helmboltz waves方程的反散射变换,从而得到了关于特征函数的一个线性代数方程及Bargmann势的特征函数表示。

聚焦Kundu-Eckhaus方程的反散射变换法:阶跃振荡背景下的长时间渐进性

该文利用非线性速降法研究了阶跃振荡背景下聚焦Kundu-Eckhaus方程解的长时间渐进性问题.在稀疏情况下,当解趋于x轴时,其渐进性以平面波的形式呈现;当解趋于t轴时,其渐进性以缓慢衰减的形式呈现;而在两个过渡扇区,解的渐进性可表示为调制椭圆波函数.此外,在激波情况下,解的渐进性可由依赖于亏格为3的黎曼曲面的超椭圆函数表示.该文所得结论有助于解释存在五次非线性项以及自频移效应的调制不稳定性下的非线性阶段.

基于高阶边界散射变换的二面角快速成像算法

基于二面角的单站圆周扫描模型,本文分析了不同张角二面角的奇次反射回波分布规律.通过建立正向散射模型并求解在各观测角度下对散射场贡献最大的出射点,证明了在二面角内的各种散射中,镜面反射起主导作用.基于此,本文只考虑镜面反射对散射场的贡献,建立了出射边驻定相位点与回波波前之间的一一对应关系,提出了一种高阶边界散射变换(high-order boundary scattering transform,HBST)算法,有效消除了由多次反射带来的成像伪影.相较传统的后向投影算法,本文提出的HBST算法在计算量和成像效率上都有显著的提升,仿真和实验结果验证了算法的有效性.

反散射变换在Kundu-Eckhaus方程中的应用

由于非线性模型的解可以反映很多数学物理现象,故求解非线性模型的解具有重要意义.反散射变换作为求解非线性可积模型的方法之一,主要步骤是构造其对应方程的Lax对Riemann-Hilbert问题,然后反过来求解Riemann-Hilbert问题的解析解,进而得到方程所对应的解.主要利用反散射变换研究了在零边界条件下的局部Kundu-Eckhaus(KE)方程的孤子解,通过Riemann-Hilbert问题的解研究了N个简单极点情况下的精确孤子解公式,并进行数值模拟,直观地给出了所得到的孤子解.

非零边界条件下离散Hirota方程的反散射变换研究

本文利用反散射变换法探索了具有非零边界条件的离散Hirota方程,同时求解了分支点和谱奇异点上的任意阶极点.基于鲁棒反散射变换构造的Darboux矩阵,相较于现存研究成果,避免了对谱参数极限处理步骤,从而简化了计算过程.最终详细推导了几种有理解的紧化表达式,其中包含W-型孤子、呼吸波、以及高阶怪波解.并且通过绘制三维图和沿空间分量波的传播图,形象地展示了上述解的显著特征,此外,它们之间的相互作用也可直观地观察到.研究结果有助于解释相关的非线性波动现象,进而揭示其产生原理与机制.

结合双层路由感知和散射视觉变换的视觉-语言跟踪方法

针对视觉-语言关系建模中存在感受野有限和特征交互不充分问题,该文提出一种结合双层路由感知和散射视觉变换的视觉-语言跟踪框架(BPSVTrack)。首先,设计了一种双层路由感知模块(BRPM),通过将高效的加性注意力(EAA)与双动态自适应模块(DDAM)并行结合起来进行双向交互来扩大感受野,使模型更加高效地整合不同窗口和尺寸之间的特征,从而提高模型在复杂场景中对目标的感知能力。其次,通过引入基于双树复小波变换(DTCWT)的散射视觉变换模块(SVTM),将图像分解为低频和高频信息,以此来捕获图像中目标结构和细粒度信息,从而提高模型在复杂环境下的鲁棒性和准确性。在OTB99,LaSOT,TNL2K 3个跟踪数据集上分别取得了86.1%,64.4%,63.2%的精度,在RefCOCOg数据集上取得了70.21%的准确率,在跟踪和定位方面的性能均优于基准模型。

胞嘧啶、胸腺嘧啶在银胶体系中的傅里叶变换表面增强拉曼散射

胞嘧啶、胸腺嘧啶在银胶体系中的傅里叶变换表面增强拉曼散射胡凤霞，李勤，林书煌，张崇起（首都师范大学综合所，首都师范大学物理系，首都师范大学综合所，北京１０００３７）ＦｏｕｒｉｅｒＴｒａｎｓｆｏｒｍＳｕｒｆａｃｅ－ＥｎｈａｎｃｅｄＲａｍａｎＳｐｅｃｔｒ...

基于小波散射卷积神经网络的结构损伤识别

损伤识别是结构状态评估领域的关键问题之一,对确保结构安全性有重要意义。深度学习算法在基于振动的结构损伤识别方面带来了许多突破,但从海量数据中挖掘结构损伤关键信息仍是亟待解决的技术难题。该研究提出了基于一维卷积神经网络(one-dimensional-convolutional neural network,1D-CNN)深度学习的结构多类型损伤识别模型,采用小波散射变换对1D-CNN架构第一层卷积滤波器进行替换,通过散射系数实现输入层原始数据降维与特征提取,结合CNN卷积层、激活层和池化层实现监测数据特征增强处理。在此基础上,结合1D-CNN全连接层与Softmax函数实现特征数据分类,从而实现结构多类型损伤定位与定量高效识别。通过钢桁架结构和斜拉桥两种数值模型对上述框架进行了验证。结果表明:与普通卷积神经网络模型相比,基于小波散射卷积神经网络的结构损伤识别精度显著提升,损伤分类准确率达95.0%以上。随着传感数据环境噪声比例的增加,小波散射卷积神经网络损伤分类准确率虽略有下降,但仍保持较高精准度,说明该方法具有较强的鲁棒性抗噪能力。

基于小波散射协同BiLSTM的输电线路故障诊断

为提高配电网输电线路故障选相和故障选线准确率,快速处理故障恢复供电,提出了一种利用海量数据实现输电线路故障诊断的小波散射协同双向长短期记忆网络(BiLSTM)方法。首先采用小波散射网络对故障零序电流信号进行小波散射特征提取,利用小波散射特征构成故障特征向量;然后将故障特征向量输入至BiLSTM网络中进行训练与测试;最后利用Softmax层概率分类实现故障选线和故障选相。实验结果表明,所提方法能够准确地实现故障选线和故障选相,且故障选线和故障选相的辨识准确率均达到99%以上。相比没有结合小波散射技术的长短期记忆网络来说,其故障选相辨识准确率提升了60.02%,故障选线辨识率提升了58.44%,证明了该方法的可行性和有效性,并且与其他文献的故障辨识方法相比,该方法具有辨识准确率高和训练时间短的优越性。

散射矩阵的研究及其应用

讨论了目标的双站散射矩阵，给出了散射矩阵的各种表达形式以及它们之间的转换关系，指出了Ｓｉｎｃｌａｉｒ双站散射矩阵的特点，提出了求解散射矩阵特征根的途径．以２λ×２λ平板的镜面散射为例，利用散射矩阵的特征根，求解了最优发射极化与最大散射功率之间的关系。

四分之一空间内椭圆孔对SH(shearing horizontal,反平面剪切)波的散射

利用保角变换和多极坐标移动技术,求解四分之一空间内含有椭圆孔时椭圆孔对入射平面SH(shearing hori-zontal)波的稳态散射问题。首先利用四分之一空间两垂直边界处的应力自由条件,写出不含椭圆孔时空间介质内的反射波场;其次,通过保角映射技术考虑空间介质内含有任意主轴方向的椭圆孔时,由于椭圆孔对入射和反射波场的散射作用而产生的散射波场,并预先使得该散射波场满足四分之一空间介质两垂直边界处的应力自由条件,利用叠加原理,将入射波场、反射波场和散射波场叠加起来,即可得到问题的总位移波场。最后借助于椭圆孔边界处的应力自由条件和傅里叶级数展开列出求解散射波解中未知系数的无穷代数方程组,在满足计算精度的前提下将方程组进行有限项截断,得到一个有限线性方程组并求解。通过算例具体讨论四分之一空间内椭圆孔边界处的环向动应力集中系数随入射波入射角、无量纲波数、椭圆孔方位参数的变化情况。

介质基片上导带TM散射的矩量法计算

用矩量法、预条件共轭梯度法和快速傅立叶变换相结合的混合技术来快速计算介质基片上导体带的TM散射。在这个问题的矩量法计算中，构造阻抗矩阵要耗费大量的CPU时间。这里着重考虑了缩短阻抗矩阵填充时间的方法，提出了按周期分段积分法来处理所涉及的高振荡性Sommerfeld积分．使阻抗矩阵的填充时间大大缩短。

基于Scat-LSTM的小样本HRRP识别方法

为提高小样本情况下的高分辨距离像(HRRP)目标识别精度,提出了一种基于小波散射变换的HRRP目标识别算法Scat-LSTM。首先,对原始信号进行小波散射变换,得到小波散射系数矩阵;然后,将该特征矩阵输入深度神经网络中进行训练和识别。实验结果表明,在样本量充足的情况下,相比于直接使用原始信号作为输入的方法,Scat-LSTM平均识别率提升了4%,并且在训练样本量极少的情况下,也能取得比其他算法更好的识别率。

基于超宽带雷达的运动人体目标跟踪成像算法

超宽带雷达用于人体探测,在大规模城区巷战、反恐斗争和灾害救援等方面有着广阔的应用前景.传统的超宽带成像算法在识别能力及计算效率上已不能满足要求.本文针对运动人体目标场景建立系统模型,将人体运动等效为天线移动扫描,基于快速SEABED成像算法提出一种用于超宽带雷达的动目标跟踪成像算法.仿真与实验结果验证了算法的有效性和可行性,该算法对系统硬件要求低,实时性好,准确度高,能完成对运动目标速度估计及运动轨迹跟踪,并对目标边界成像.