基于Chirp原子MP分解的汉语声母时频结构分析

针对汉语声母语音呈现的非平稳特性,提出一种基于Chirp原子MP分解的汉语声母时频结构分析方法。实验仿真结果表明,该方法与直接WVD相比,无交叉项干扰,与Gabor原子分解相比,在重构声母信号90%能量情况下,不仅更加准确地提取了声母的时频特征参数,且采用原子个数和耗费时间分别为Gabor原子分解的30.77%和24.53%,证实了该方法的优越性。

基于改进的时频自适应胶囊网络轴承故障诊断方法

轴承是保障旋转机械安全运行的关键部件,传统的故障诊断方法在轴承复杂多变的运行环境中故障特征提取难且识别难度大。为此,提出了一种基于改进的时频自适应胶囊网络轴承故障诊断方法。首先,将一维原始振动信号通过EEMD-HHT特征增强方法转化为复合时频结构数据,增强非平稳信号特征的可分性;然后,改进原胶囊网络卷积层,用于自适应深度提取振动信号的时频结构特征;最后,针对卷积神经网络的平移不变性引入胶囊层,采用动态路由算法学习储存特征信息,并实现故障类型智能诊断。试验结果表明,所提方法较现有方法具有更强的故障敏感特征挖掘能力、更高的诊断精度及工况自适应能力。

基于多分辨率时频特征融合的声学场景分类

声学场景分类是计算机听觉中最难的任务之一,在单一特征条件下采用基本的卷积神经网络相对于传统的分类方法精度已经有所提升,但是效果依然不够理想。针对这一问题,在卷积神经网络框架下,提出了一种基于时频特征融合的声学场景分类方案。在分类模型构建方面,提出一种多分辨率卷积池化方案,构造多分辨率卷积神经网络,以更好地适应提取特征的时频结构;在特征选取方面,融合低层次包络特征对数——Mel子带能量和高层次结构特征——非负矩阵分解系数矩阵,把两种二维特征堆叠为三维特征送入分类模型。在2017年和2018年声学场景分类和事件检测挑战赛的开发数据集上进行了训练和测试。实验结果表明,文中提出方案比基线系统的分类精度分别提高7.5%和10.3%,可有效改善分类效果。

短频时间变换与地震信号分析

野外采集的地震信号是多种波的复合体，是一种时变的非平稳信号。联合时频分析的方法是研究这类信号的有力工具。本文首先分析了短时Ｆｏｕｒｉｅｒ变换和短频时间变换这两种时频分析方法，通过理论记录说明时频分析方法可以细致地刻画信号的时间特性；然后将短频时间变换方法应用于地震信号的分析与处理中。文中展示的实际数据分析结果表明了时频分析方法在地震勘探信号分析与处理中的应用意义，即利用短频时间变换这一有效的分析工具，可使我们对数据的时频结构和能量分布有清晰的认识，为进一步选择合理的数据处理方案提供依据。

鄂州市近34年灰霾天气特征分析

利用鄂州市国家一般站1981—2014年观测资料,采用最新灰霾观测标准对鄂州市灰霾天气重新进行统计,分析鄂州市灰霾天气出现的年、季和月变化特征,为该市灰霾预报预警提供参考依据,同时利用连续小波变换对鄂州市灰霾日数的时频特征进行分析,揭示其周期变化特征。结果表明,鄂州市灰霾日数在1986年之前呈波动增长的趋势,1988年到2001年为波动下降的趋势,2002年到2006年为波动较大年份,2007年到2011年为平稳波动期,2011年之后为增长期;冬季为该市灰霾发生最多的季节,其次为秋季3.0天/季,再次为春季1.7 d/季,最少为夏季0.5 d/季;从各季节灰霾日数时间分布来看,2005年之前各季节灰霾日数波动较大,2005年至2013年灰霾日数变化较平稳,2013年之后各季节灰霾日数均呈增长趋势;从鄂州市灰霾日数月变化看,1月、2月、11月和12月灰霾日数较多,其中12月为灰霾最多的月份,其次为1月,7月最少,34年中7月没有出现过灰霾天气;鄂州市年灰霾日数的周期性特征主要表现在1年、2年、4年、8年、14年的部分时域,分布不均匀。