基于敏感元素特征谱图的岩性识别方法

应用元素录井技术测定地层元素含量变化,可以辅助判别地层岩性和层位,对于元素含量差异大的层段识别效果较好,但在岩性复杂、元素含量特征相近的地层中,应用效果难以保证。利用渤海探区已取得的元素录井资料,建立不同地层单元的岩性与元素对比数据库,并采用交会分析法提取敏感元素,形成不同地层单元不同岩性的敏感元素标准谱图,在此基础上,利用线性回归方法将实测岩样敏感元素分别与不同岩性标准谱图的敏感元素进行相关性分析,通过定量化的方法匹配相似度,实现岩性比对判别。通过在渤海探区的实践应用表明,该方法能够实现地层岩性的定量化判别,有效消除岩性识别过程中由于人为因素产生的偏差,对于复杂岩性的准确识别具有较强的实用性。

水下目标信号的Lofar谱图特征的主分量分析研究

研究一种基于 Lofar谱图特征和主分量分析的水下目标信号的特征处理方法。首先介绍了这种方法的应用背景 ,给出了舰船辐射噪声的结构和 Lofar谱特征的提取方法。在简单介绍了主分量分析的有关基础知识和数学解法后 ,对于海上测量获得的舰船辐射噪声信号进行特征提取 ,利用主分量分析的方法对提取的特征向量进行降维处理。针对主分量分析处理前后的特征向量 ,采用结构自适应模糊聚类神经网络分类器分类 ,与直接对Lofar谱特征分类相比 。

卷烟主流烟气粒相物中中性化学成分的全二维气相色谱飞行时间质谱(GC×GC-TOFMS)谱图特征识别

建立了全二维气相色谱-飞行时间质谱(GC×GC-TOF MS)分析卷烟主流烟气中中性化学成分的方法。以较长的弱极性柱HP-5MS(50 m×0.2 mm i.d.×0.33μm)作为第一维柱,较短的薄液膜中等极性柱DB-17MS(1.7 m×0.1 mm i.d.×0.1μm)作为第二维柱,对优质烟叶单料卷烟烟气的中性成分进行定性分析,经过人工纠错等分析初步鉴定出匹配度大于700的1 464种成分,重点讨论了中性香味羰基化合物全二维点阵的谱图特征,为烟气和复杂体系的深入研究提供了方法学基础。

金刚石的ESR和3-DTL谱图特征

对天然金刚石、高温高压人造金刚石和高温低压化学气相沉积金刚石进行了电子自旋共振 (ESR)和三维热释光 (3-DTL)测量。谱图特征表明 ,在天然金刚石和高温高压人造金刚石中 ,具有电子自旋共振性质的氮主要以孤氮、氮的交换相互作用对和S =1的氮对心的形式存在 ,化学气相沉积金刚石的ESR谱比较简单 ,它只有一个峰 ,由金刚石中未饱和碳键的悬空键所引起。对于 3-DTL谱 ,在 10 0— 2 0 0℃升温范围 ,天然金刚石有～ 370nm和～ 5 10nm两个释光峰 ,高温高压人造金刚石有～ 370nm的释光峰 ,化学气相沉积金刚石有～ 5 10nm的释光峰。这些谱图特征对金刚石的质量鉴定。

基于质谱图特征峰匹配的谱库预检索算法

针对目前谱库预检索精度较低且剩余参考谱图依然较多的问题,提出了一种基于质谱图特征峰匹配的谱库预检索算法。将谱图中峰强度最高和质荷比最大的谱峰作为谱图特征峰,然后依次预检索了每个查询谱图和所有参考谱图对应的特征峰。结果表明,与相似度阈值分别为0.6、0.7和0.8的基于向量空间模型的谱库预检索算法相比,精度分别提高了15.01%、19.58%和25.87%,与二级谱库预检索算法相比,精度提高了1.77%,且该算法均能减少剩余参考谱图的数量,具有一定的优势。

基于特征语谱图和自适应聚类SOM的快速说话人识别

为获得说话人发音特征,基于仿生思想,提出一种基于语谱图统计的方法,通过对说话人短时语谱图的线性叠加获得可表征说话人稳定发音特征的特征语谱图。为解决资源受限的设备中说话人识别系统网络训练速度慢、识别效率低的问题,基于传统自组织映射(self-organizing feature map,SOM)神经网络提出了一种自适应聚类SOM (adaptive clustering-SOM,ACSOM)算法,随着待识别说话人数的增加,自动调节增加竞争层神经元个数,直至聚类数达到说话人个数。采用该AC-SOM模型对100人的自建特征语谱图样本库进行聚类识别,最大训练时间只需304 s,最大单张识别时间小于28 ms;在识别人数相同时,相对于所对比的其他识别方法,该方法大大提升了网络训练速度和识别速度,满足了边缘智能(edge intelligence)系统中对数据处理与执行的实时性的要求。

基于双谱-谱图特征和深度卷积神经网络的HRRP目标识别方法

针对雷达高分辨距离像(high resolution range profile,HRRP)目标识别中有效表示和特征提取这一关键问题,提出了基于双谱-谱图特征和深度卷积神经网络(deep convolution neural network,DCNN)的识别方法。首先,提取HRRP的双谱-谱图特征表示作为CNN的输入。然后,通过网络训练提取出深层本质特征,实现对雷达目标的识别。最后,对不同特征表示的识别结果进行对比。采用卫星目标实测数据进行实验,结果表明,该方法可以准确有效地识别雷达目标,而且与其他常用特征表示相比,双谱-谱图特征表示具有更好的识别准确率和噪声鲁棒性。

在线实测的水轮发电机局部放电谱图分析

基于PDA技术的水轮发电机局部放电在线监测,能及时、有效地捕捉到绝缘缺陷信息,为评估发电机绝缘状况提供了重要依据。本文在完成对某大型水电机组近5年在线监测的基础上,通过分析几起典型故障时局部放电数据的变化情况,研究不同故障类型与放电特性之间的对应关系。

稠油储集层热解气相色谱谱图特征及其综合解释评价方法

热解气相色谱录井技术用于常规油质储集层的解释评价主要是依据其谱图形态特征来实现,对于稠油油质储集层而言尚不适用,必须针对稠油储集层分析其谱图特征及其他录井手段相结合综合解释,才能实现有效评价。以松辽盆地西部斜坡区稠油储集层为例,在详述热解气相色谱仪工作原理并对比分析常规储集层与稠油储集层热解气相色谱不同表现特征及其原因的基础上,通过对该区13口井25个试油层的谱图形态的统计分析,分别归纳了油层、油水同层和水层的谱图形态特征,结合岩石热解含油气总量、轻烃分析谱图、荧光显微图像实现了稠油储集层的有效解释评价。实例分析表明,利用该综合解释评价法得出的结论与试油结果吻合,同时对于其他稠油区储集层的解释评价具有一定的指导意义。

基于幅值滤波与分层特征融合策略的语音情感识别

针对语音情感识别在多语言联合数据集上识别准确率低的问题,提出了一种基于幅值滤波与分层特征融合策略的语音情感识别方法。该方法首先对梅尔谱图内幅值分布规律进行幅值滤波,通过概率叠加扩大梅尔谱图内相近幅值之间的差异,实现谱图内的高频强增益、低频弱增益;同时,通过概率相乘缩小梅尔谱图内相远幅值之间的差异,以显示谱图内中频的细节部分。在此基础上,使用矩形卷积提取音频信号的时间动态特征,生成梅尔谱图动态特征图,并将其作为分层特征融合策略的输入。分层特征融合策略通过压缩特征图来提取不同尺度的时间动态特征,并提取不同深度中的时间动态特征。在多语言联合数据集CER上取得了84.44%的分类准确率。

听觉注意模型的语谱图语音情感识别方法

在语音情感识别技术中,由于噪声环境、说话方式和说话人特质原因,造成特征向量空间分布不匹配的情况。从语音学上分析,该问题多存在于跨数据库情感识别实验。训练的声学模型和用于测试的语句样本之间的错位,会使语音情感识别性能剧烈下降。语谱图的特征能从图像的角度对现有情感特征进行有效的补充。本文据此所研究的听觉选择性注意模型,模拟人耳听觉特性,能有效探测语谱图上变化的情感特征。同时,利用时频原子对模型进行改进,取得频率特性信号匹配的优势,从时域上提取情感信息。选择注意机制使模型能提取跨语音数据库中的显著性特征,提高语音情感识别系统的情感辨识能力。实验结果表明,利用文章所提方法在跨库情感样本上进行特征提取,再通过典型的分类器,识别性能提高了约9个百分点,从而验证了该方法对不同数据库具有更好的鲁棒性。

基于自注意力机制时频谱同源特征融合的鸟鸣声分类

目前深度学习模型大都难以应对复杂背景噪声下的鸟鸣声分类问题。考虑到鸟鸣声具有时域连续性、频域高低性特点,提出了一种利用同源谱图特征进行融合的模型用于复杂背景噪声下的鸟鸣声分类。首先,使用卷积神经网络(CNN)提取鸟鸣声梅尔时频谱特征;然后,使用特定的卷积以及下采样操作,将同一梅尔时频谱特征的时域和频域维度分别压缩至1,得到仅包含鸟鸣声高低特性的频域特征以及连续特性的时域特征。基于上述提取频域以及时域特征的操作,在时域和频域维度上同时对梅尔时频谱特征进行提取,得到具有连续性以及高低特性的时频域特征。然后,将自注意力机制分别用于得到的时域、频域、时频域特征以加强其各自拥有的特性。最后,将这三类同源谱图特征决策融合后的结果用于鸟鸣声分类。所提模型用于Xeno-canto网站的8种鸟类音频分类,并在分类对比实验中取得了平均精确率(MAP)为0.939的较好结果。实验结果表明该模型能应对复杂背景噪声下的鸟鸣声分类效果较差的问题。

基于多任务深度特征提取及MKPCA特征融合的语音情感识别

【目的】针对传统声学特征所含情感信息不足的问题,提出一种基于多任务学习的深度特征提取模型优化声学特征,所提声学深度特征既能更好表征自身又拥有更多情感信息。【方法】基于声学特征与语谱图特征之间的互补性,首先通过卷积神经网络提取语谱图特征,然后使用多核主成分分析方法对这两个特征进行特征融合降维,所得融合特征可有效提升系统识别性能。【结果】在EMODB语音库与CASIA语音库上进行实验验证,当采用DNN分类器时,声学深度特征与语谱图特征的多核融合特征取得最高识别率为92.71%、88.25%,相比直接拼接特征,识别率分别提升2.43%、2.83%.

关于谱半径达到第二大的赋权树(英文)

赋权图的谱的研究已经被用来解决很多实际问题,网络设计以及电路设计实际上都依赖于赋权图．本文主要研究的是赋权树的谱半径,从而得到赋权树谱半径达到次大的是双星图Sn-3,1ω*．

研制光谱分析仪探讨

光谱分析仪是便携式的工作计量标准,它的计量溯源直接与国际单位制的导出单位接轨,随时随地可以用导出单位对自身校正。它集新材料新技术于一体,如CCD二极管阵列器,光纤传导器和采集、放大及校正均使用集成运算,仪器体积小却功能强大。它的开发使用将深入到医疗仪器的技术指标检定。

基于纹理谱的遥感影像纹理分析方法

重点论述了如何运用纹理谱的方法对遥感图像进行纹理分析。通过对不同地物图像进行试验,借助计算机语言实现了各类地物图像的纹理谱特征图的计算显示,并对其进行分析比对,最终达到区分识别各类地物的目的。

高效液相色谱在鉴定赤潮优势藻中的应用

本文对福建沿海赤潮优势藻进行了分离鉴定及纯种培养,运用高效液相色谱(HPLC)技术分析了赤潮藻的光合色素,并将色素组成比进行聚类分析。然后将聚类分析结果与藻类形态和分子鉴定结果比对。结果表明,在传统分类方法基础上,结合光合色素的生化标志物的特性进行进一步判断,可以实现对不同藻类更加准确的分类,能够弥补传统分类学上遇到的因种类形态差别细微而不易辨别及容易主观误判的不足,可以作为藻类形态学和分子方法分类的有效补充。

用于语音检索的三联体深度哈希方法

现有基于内容的语音检索中深度哈希方法对监督信息利用不足,生成的哈希码是次优的,而且检索精度和检索效率不高。针对以上问题,提出一种用于语音检索的三联体深度哈希方法。首先,将语谱图图像特征以三联体方式作为模型的输入来提取语音特征的有效信息;然后,提出注意力机制-残差网络(ARN)模型,即在残差网络(ResNet)的基础上嵌入空间注意力力机制,并通过聚集整个语谱图能量显著区域信息来提高显著区域表示;最后,引入新三联体交叉熵损失,将语谱图图像特征之间的分类信息和相似性映射到所学习的哈希码中,可在模型训练的同时实现最大的类可分性和最大的哈希码可分性。实验结果表明,所提方法生成的高效紧凑的二值哈希码使语音检索的查全率、查准率、F1分数均超过了98.5%。与单标签检索等方法相比,使用Log-Mel谱图作为特征的所提方法的平均运行时间缩短了19.0%~55.5%,能在减小计算量的同时,显著提高检索效率和精度。

基于注意力机制的NewVGG16-BiGRU鼾声分类

针对已有的鼾声分类模型因未考虑实际睡眠时的其他声音而导致的泛化能力差、准确率较低等问题,提出一种基于注意力机制的NewVGG16双向门控循环单元(NVGG16-BiGRU-Att)算法用于鼾声识别。首先,生成每个声段的谱图,采用NVGG16网络提取语谱图、梅尔(Mel)时频图和恒Q变换(CQT)时频图组成的谱图特征矩阵;其次,将提取的特征向量输入BiGRU,结合注意力机制,增加分类过程中的重要特征信息的权重,改善分类效果;最后,经过全连接层输出鼾声与非鼾声。在采集的鼾声数据集上进行实验,实验结果表明,所提算法取得了较好的分类效果,其中Mel时频图效果最优,识别准确率达到96.18%;相较于卷积神经网络(CNN)+长短期记忆(LSTM)网络、卷积CNNsLSTMs-深度神经网络(DNNs)模型,在同特征输入下,所提算法的准确率提升了0.31%~2.39%,验证了所提算法具有较好的鲁棒性,能够提升分类性能。

基于改进VGG-16网络的交通声音事件分类方法研究

交通声音事件分类是提升城市智慧交通系统环境感知能力的关键技术之一.针对传统交通系统的环境声音感知能力弱、效率低、鲁棒性低、可分类数量少等问题,研究了一种基于VGG卷积神经网络的交通声音事件分类方法,该方法使用语谱图(spectrogram image features,SIF)作为交通声学特征,建立并优化了卷积神经网络(convolutional neural networks,CNN),从而实现交通声音的智能分类.首先,使用实验室采集的10种交通声音,构建了交通声音数据集.其次,利用语谱图方法对交通声音进行声学特征提取,搭建VGG-16分类算法主模型,通过双卷积层融合算法和块间直连通道对网络进行改进,得到了VGG-TSEC网络.该优化网络的交通声音事件分类准确率可达97.18%,与优化前相比准确率提升4.68%,其权重参数降低72.76%,占用空间降低384MB.同时,将该优化模型与K邻近(KNN)、支持向量机(SVM)等机器学习方法进行对比,其准确率分别提高了19.68%和4.41%.结果表明,VGG-TSEC交通声音分类方法可以实现警笛音、事故碰撞、行人尖叫、卡车等交通声音的高效分类,为交通声音事件分类提供参考.