GIS中线元的误差熵带研究

基于现有的线元位置不确定性模型大多与置信水平的选取有关 ,而置信水平的选取带有一定程度的主观性 ,因而不能惟一确定。引入信息熵理论 ,提出了线元的误差熵带模型 ,并将它与“E_带”进行了比较 ,计算了落入其内的概率。该模型根据联合熵惟一确定 ,与置信水平的选取无关。

基于熵带与DS理论的焊缝等级磁记忆量化评价

针对焊缝不同等级的磁记忆特征提取及定量评价难题,提出信息熵带与D-S理论联合的磁记忆定量评价模型。以Q235B焊接试件为实验材料,通过焊缝疲劳损伤试验,对照X射线定量评价标准,引入能够反映焊缝损伤程度的奇异谱熵、功率谱熵和小波空间能谱熵,分别提取不同损伤等级对应的这3种信息熵及其熵带的特征值,构建基于信息熵带数学期望的各等级贴近度公式,以信息熵贴近度作为证据体,建立基本可信度分配函数,通过D-S理论的证据组合原理将基本可信度进行信息融合,依据D-S诊断规则输出焊缝缺陷等级的定量识别结果,建立基于信息熵带和D-S证据理论联合的焊缝等级磁记忆评价模型。结果表明焊缝等级识别的不确定度为0.008,为实际工程中焊缝缺陷等级磁记忆定量化评定提供新的思路和方法依据。

基于自适应子带谱熵的仿生小波语音增强方法研究

针对传统语音增强方法在低信噪比复杂噪声环境下存在的语音增强质量和可懂度欠佳等问题,本文提出了一种自适应子带谱熵与仿生小波相结合的语音增强方法。研究思路是,首先用自适应子带能比法对含噪语音和纯噪声段进行区分,然后用仿生小波分解含噪声语音,将分离出来的噪声输入自适应滤波器,采用递归最小二乘法,达到噪声滤除的目的,实现信噪分离。实验结果显示,在低信噪比的复杂噪声环境下,与传统的维纳滤波和小波变换方法相比,本文提出的语音增强方法可以获得更好的声音增强质量和可懂度。

误差熵不确定带模型

本文从信息论的基本理论出发 ,通过熵的极值定理和引入误差熵的概念 ,首次提出了误差熵不确定带模型。该模型与以往的误差模型有着本质的区别。它不是任何意义上的置信带 ,而是一种完全确定的、与置信水平无关的不确定带模型。

一种改进的自适应子带谱熵语音端点检测方法

噪声环境下的语音端点检测在稳健语音识别中占有十分重要的地位。自适应子带谱熵法是一种新的端点检测方法,它的思想是将一帧语音分成若干个子带,再用谱熵法进行运算,子带的个数可以自适应选择。该方法具有一定的稳健性,但随着信噪比的降低,语音端点检测的准确性也随之下降。提出了一种结合加权功率谱减的子带自适应谱熵法,并给出了该方法的实现步骤。该方法采用边降噪边用稳健性好的特征参数做语音端点检测,从两个方面来提高端点检测的准确性。实验结果表明该方法具有良好的性能,在不同信噪比的不同加性噪声下系统识别率都有提高。

基于多尺度子带样本熵和LPP的轴承故障诊断方法

轴承损伤是机械设备损伤的主要原因之一,其产生的振动信号具有微弱、非平稳和非线性的特点。针对不能准确从微弱信号中提取故障特征的问题,提出使用多尺度子带样本熵,首先对信号进行小波包分解得到多尺度信号,再将每一个多尺度信号进行子带分解得到多尺度子带信号,再求其样本熵得到多尺度子带样本熵,该方法能深入挖掘微弱信号的本质特征;针对非平稳信号能量密度分布不均的问题,提出使用平滑伪Wigner-Ville分布,其可对非平稳信号的瞬时对称相关函数进行时频聚集处理,使信号的能量均匀分布;针对不能准确的挖掘非线性数据的主流形的问题,提出使用局部保持投影(LPP,Locality Preserving Projection),LPP在投影过程中保持了最优的数据局部邻域关系,可以准确的挖掘非线性数据的主流形。文中分别采用四组正常、内圈故障、滚珠故障和外圈故障信号作为原始数据来验证该方法的有效性,实验结果证明该方法能有效地对信号故障进行分离和识别。

GIS中线元的熵不确定带研究

空间数据的不确定性将直接影响地理信息产品的质量及 GIS空间决策的可靠性 ,现已把它作为一个重要的基础理论问题加以研究 ,其中线元的位置不确定性是研究的一个热点 .针对现有的线元位置不确定性模型的不足 ,通过引入信息熵理论 ,首先提出了二维随机点的熵误差椭圆指标与三维随机点的熵误差椭球指标 ;然后将它们扩展到线元的熵不确定带 .实践证明 ,由于该模型能够根据联合熵唯一确定 ,且与置信水平的选取无关 。

基于子带谱熵的仿生小波语音增强

前端噪声处理直接关系着语音识别的准确性和稳定性,针对小波去噪算法所分离出的信号不是原始信号的最佳估计,提出一种基于子带谱熵的仿生小波变换(BWT)去噪算法。充分利用子带谱熵端点检测的精确性,区分含噪语音部分和噪声部分,实时更新仿生小波变换中的阈值,精确地区分出噪声信号小波系数,达到语音增强目的。实验结果表明,提出的基于子带谱熵的仿生小波语音增强方法与维纳滤波方法相比,信噪比(SNR)平均提高约8%,所提方法对噪声环境下语音信号有显著的增强效果。

基于子带二次谱熵的语音端点检测

为了提高在强噪声环境下语音端点检测的准确度,提出基于子带二次谱熵的端点检测算法.该算法把子带二次谱熵作为端点检测新的特征参数,首先计算每帧语音信号的二次谱,再多子带分析,计算二次谱熵;引入顺序统计滤波对二次谱熵平滑处理;将有限状态机判别方法与子带二次谱熵相合,形成新的语音/噪声判别算法,有效地解决单门限法易出现的两类误判.实验表明:与传统的两种方法相比,提出的端点检测算法具有准确性高、抗噪性强等优点.

基于子带谱熵的二阶CMN语音识别鲁棒性研究

在自动语音识别系统(ASR)中鲁棒性是一个至关重要的问题,为了抑制训练和测试环境的失配,降低背景噪声和信道传输对语音信号的影响,文章提出了一种基于子带谱熵的二阶CMN语音识别算法。该算法利用子带谱熵在低信噪比下对语音信号进行端点检测具有较高稳健性的特点,将带噪语音分割为背景噪声段和语音信号段,为抑制噪声和信道对语音识别系统的干扰,采用在不同的区间去除各自的倒谱平均值来实现。仿真实验结果表明,该算法克服了传统CMN算法不能处理环境噪声及传输信道对语音信号所产生的非线性畸变的缺点,有效提高了语音识别系统的鲁棒性。

一种改进的基于子带谱熵的语音激活检测方法

语音信号的激活检测(voice activity detection,VAD)是变速率语音编码的关键技术,用来检测通信时是否有语音片存在。在有噪环境下对语音信号的激活检测是非常重要而困难的。对传统子带谱熵算法进行了改进,提出了一种能够用于语音激活检测的新算法。该算法利用语音谱熵和噪声谱熵分布的不同,将信号的数字特征(方差、均值等)与传统子带谱熵相结合,用于区分语音段和非语音段。计算机仿真结果表明,在高斯白噪声环境下,改进后的子带谱熵算法能很好地区分说话人的语音段和非语音段,在某种程度上解决了传统语音激活检测算法结构复杂、参数难调、易受噪声影响等问题。

基于子带谱熵法和PSO-GA-SVM的汽车鸣笛识别

针对鸣笛抓拍系统会产生误判的问题,提出了一种基于子带谱熵法和支持向量机的汽车鸣笛识别算法.首先,使用子带谱熵法对声音样本进行初判,将子带谱熵高于阈值的样本直接判定为非鸣笛样本.然后,对初判为鸣笛的样本中的疑似鸣笛部分进行分割,并提取Mel频率倒谱系数作为声音的特征.最后,使用支持向量机对分割结果进行进一步分类,并使用粒子群算法与遗传算法的融合来优化支持向量机的参数.仿真结果表明,该算法具有较好的鲁棒性.在对实际采集样本的鸣笛识别中,该算法也取得了较高的准确率.

基于循环神经网络与子带谱熵法的助听器语音增强

在日常生活中常见的非平稳噪声环境下,现有助听器语音增强算法的降噪性能有所不足。对此,本文提出了一种结合子带谱熵法与双尺度循环神经网络的助听器语音增强算法。该算法将音频划分为16个子频段,各频段的对数功率谱被用作循环神经网络的输入特征,对应的频段增益作为输出特征,并使用子带谱熵法对增益进行修正。实验结果表明,相较于传统语音增强算法,在三类不同的噪声环境中,本文提出算法的平均信噪比分别提高了4.215 dB、0.906 dB、11.010 dB。在FPGA上对该算法进行测试,输出与计算机模拟输出的信噪比差值为0.117 dB,互相关系数为0.9994。并且当时钟频率设置为10 MHz时,算法的延时约为2 ms,可以满足助听器的使用需求。

基于子带能熵比的语音端点检测算法

准确地识别语音端点是语音识别过程中的一个重要步骤。在低信噪比环境下,为更好地增强语音和噪声的区分度,提高语音端点检测系统的准确率,在分析了常规子带谱熵端点检测算法的基础上结合子带能量,提出了一种基于子带能熵比的语音端点检测算法。该算法将子带能量和子带谱熵的比值作为端点检测的重要参数,以此设定阈值进行语音端点的检测。实验表明,该算法快速高效,具有较高的鲁棒性,在较低的信噪比环境下能准确地进行语音端点检测。

低信噪比环境下子带能熵比端点检测算法

语音端点检测是将采集到的语音信号从复杂的噪声背景中提取出来,确定每段语音的开始和结束,是后续处理的基础。对于语音端点检测在低信噪比的复杂噪声环境下准确率低的问题,提出了一种多窗谱估计减噪和子带能熵比法结合的语音端点检测算法。该算法通过改进多窗谱谱减法对语音信号进行减噪,在分析了常规谱熵端点检测算法的基础上结合对数能量,以改进的子带能熵比作为阈值进行端点检测。实验表明,该算法在不同环境的低信噪环境下,准确率高,具有较高的鲁棒性。

基于自适应子带谱熵和短时平均幅度的心音端点检测

论文提出一种对心动周期内的有效音进行端点检测和定位的方法。首先对心音信号进行归一化和预加重,实现对心音信号质量的提升。然后利用窗函数对心音信号进行分帧并利用自适应子带谱熵和短时平均幅度对心音信号进行成分检测。仿真结果证明,该方法可以对不同类型心音中的有效音和无效音进行区分,并实现心音及心杂音的分别标记。

基于谱减与自适应子带对数能熵积的端点检测

针对低信噪比环境下语音端点检测准确率低、鲁棒性差,提出了一种将谱减降噪和自适应子带对数能熵积相结合的语音端点检测算法。首先利用改进的多窗谱估计谱减法提升语音信号质量,再以自适应子带对数能熵积这一新的语音特征参数为阈值,使用动态阈值双门限检测法进行语音端点检测。实验结果表明,该算法针对低信噪比语音信号具有更好的准确性和鲁棒性。

基于EMD-Teager能量和子带谱熵法的语音端点检测

子带谱熵法端点检测的精度和语音的端点检测准确与否直接影响到语音识别系统的计算复杂度和识别能力。对此,提出一种基于EMD-Teager能量平均值和传统子带谱熵法相结合的语音端点检测算法。该算法首先利用EMD分解的IMF分量中的中高频分量IMF3-IMF5对语音信号进行重构,然后计算Teager能量平均值,再与传统的子带谱熵法相结合,可以达到对语音进行减噪和平稳处理的目的,最后采用双门限端点检测的算法对含噪声的语音进行端点检测。实验结果表明,在低信噪比的情况下,该算法相比于传统子带谱熵法端点检测效果更好,鲁棒性更高。

GIS中面元的误差熵模型

根据整个线元边缘分布的平均信息熵确定了“ε 带”的宽度 ,提出了线元的平均误差熵带模型 ,进一步扩展到面元的误差熵环模型。误差熵环的带宽取构成边界线的各线段误差熵的加权平均值。最后通过算例比较了面元的误差熵环和误差环模型 ,绘出了它们的可视化图形 ,得出了一些有益的结论。

带阻尼的非等熵欧拉方程组的爆破

研究带阻尼的非等熵欧拉方程组初边值问题解的爆破现象。利用积分方法证明了当与初始动量有关的加权泛函充分大时,其解将在有限时刻爆破。将近来已知的爆破结果由等熵情形推广到非等熵情形,并在没有绝热常数不大于3的限制下得到了负初始熵情形的爆破结果。