基于耳蜗谱图纹理特征的声音事件识别

针对在各种环境下声音事件的识别问题,提出了一种基于谱图纹理特征的声音事件识别方法。首先,将声音信号通过伽马通(Gammatone)滤波器组,使原始声音样本转化为灰度耳蜗谱图;然后,对谱图进行曲波(Curvelet)变换,得到不同尺度、不同方向的Curvelet子带;再采用改进完全局部二值模式(Improved Completed Local Binary Pattern,ICLBP)提取Curvelet子带的纹理特征,并生成分块统计直方图,将统计直方图级联作为一种新的声音事件特征;最后,使用支持向量机作为分类器对16种声音事件在不同噪声和不同信噪比下进行识别。实验结果表明,所提特征与其他声音特征相比,可以有效识别各种噪声环境下不同种类的声音事件。

基于听觉显著性特征的发电机组主轴承性能评估

人类的听觉系统在处理声音信号这类非平稳、非线性信号上具备优异的识别能力及抗噪能力。依据振动与声音信号同源性的特点,提出了一种基于听觉显著性信号的数据降噪、典型特征提取和自组织映射(self-organizing feature map,SOM)网络相结合进行发电机组主轴承性能评估的方法。首先,利用Gammatone滤波器组构建人的耳蜗模型对原始振动信号进行识别,并剔除噪声信号。其次,通过模拟人耳的听觉注意机制获得显著帧和显著通道的典型特征构建特征空间。最后,将构建的特征空间分为训练样本和测试样本两部分,利用SOM网络实现发电机组主轴承的性能评估。试验结果表明,所提出的性能评估方法能够精准地识别噪声信号并构建特征空间,可有效评估发电机组主轴承的性能,为其视情维修提供依据。