基于音频特征的汽车发动机状况识别技术

汽车发动机是车辆的核心组件之一,传统的发动机故障诊断方法通常依赖于传感器数据和物理模型,但是传感器安装、维护和校准,以及开发和维护物理模型都需要相当大的成本投入,并且数据融合和复杂的数学模型,难以适应不同车型、驾驶条件和环境变化,可能导致在某些情况下诊断不准确。该文系统论述了基于音频特征的汽车发动机状况识别技术及相关方法,完善基于音频特征的汽车发动机状况识别技术的理论研究。研究成果将为汽车领域的从业者和研究者提供理论指导,推动汽车发动机故障诊断领域的发展和创新。

基于视音频特征的体育视频关键场景自动分割方法

近年来,人们对于体育赛事视频的观看需求有所提升,大部分观众希望可以直接观看至赛点内容。传统体育视频关键场景自动分割方法提取特征效果不佳,造成关键场景分割结果准确率降低。针对此问题,设计基于视音频特征的体育视频关键场景自动分割方法。采用傅里叶变换技术以及色彩空间模型获取体育视音频特征,构建噪声估算模型,应用梯度倒数加权法完成视频图像增强处理。使用光流法完成关键场景分割,使用信息熵计算关键场景分割结果与体育视频的一致性。实验结果可得,使用视音频特征后,关键场景分割准确度得到提升。

基于音频特征聚类算法的故障检测方法研究

针对工业生产中设备故障在线智能检测的迫切需要,提出了一种基于音频特征深度卷积神经网络和聚类算法联合优化的故障检测方法(fault detection method on the strength of the joint optimization of audio feature deep convolutional neural network and clustering algorithm,FDM_DCNN-CA)。该方法详细阐述了三维坐标系中的特征位置归一化提取和音频信息融合聚类分析等关键技术要点。FDM_DCNN-CA在具有不同背景噪声的音频数据集MIMⅡ上进行了测试,结果表明即使在检测难度较大的“阀门”设备上,仍然取得了良好应用结果。“阀门”设备总体AUC分数超过91%,并且在异常音频信号判断上具有更好的鲁棒性,正确率超过95%。

基于用户行为和音频特征的音乐推荐系统设计与实现

个性化推荐是音乐推荐系统的核心功能。文章基于用户行为和音频特征设计了音乐推荐系统,以期达到系统推荐歌曲与用户音乐偏好完美匹配的效果。文章首先介绍了系统开发环境和整体组成架构,该系统由用户模块、用户行为模块、推荐模块构成,并对各模块功能的设计与实现方式展开了分析。在个性推荐模块,使用了基于用户社区的快速组推荐算法和音乐特征识别技术,保证了推荐结果更加符合用户的音乐偏好,提高了音乐推荐系统的应用效果。

一种基于音频特征分析的医疗设备安全监测系统

以保障医疗设备安全为目标,设计了一种基于音频特征分析的医疗设备实时监测系统。系统组成为声音传感器、音频采集卡、FPGA信号处理器、网络传输系统和可视化平台。以瓦里安直线加速器机房和CT扫描机房的监测为例,采用基于二阶MFCC系数和音频均值的方法,确定医疗设备所处的状态。实际测试结果显示,系统准确采集了声谱,快速完成了数据从机房到可视化平台的传递,并准确识别出设备的静态工况、运行工况和异常工况,表明系统可为医疗设备安全增加安全屏障。

基于音频特征的多小波域水印算法

基于对音频特征的分析,提出了一种多小波域的水印算法.结合人类听觉系统的时频掩蔽特性,该算法分析音频帧的过零率及时域能量,确定用于嵌入水印的帧.利用音频的分抽样特征和多小波变换在信号处理中的优势,将每一个音频帧进行分抽样为两个子音频帧并分别将其变换到多小波域.利用两个子音频帧在多小波域的能量来估计所嵌入水印的容量,并根据它们的能量大小关系完成水印的嵌入.水印的提取过程转为一个使用支持向量机进行处理的二分类问题.实验结果验证了所提出的水印算法能根椐音频自身的特点寻找到适合用于嵌入水印的音频帧,且能动态调整水印的嵌入强度,在保证听觉质量的同时提高了水印的鲁棒性.

融合视音频特征的影片摘要生成方法

提出了融合视音频特征的影片摘要生成算法。以特写人脸检测,紧张、激烈镜头检测作为选取重要视频片段的依据,针对影片语音端点难以检测的问题,利用影片字幕文件提取影片语音首尾时间以及语音内容,从而实现了影片语音端点的准确检测。实验证明,该方法生成的影片摘要具有较好的有效性。

基于COM规范的实时音频特征提取技术及实现

数字视频中含有大量的音频信息,通过声音分类建立基于内容的视频索引是一个 有效的途径?该文提出了基于COM规范的实时音频特征提取的系统框架,并按此框架使用Dir ectShow样本捕捉器进行了音频帧和音频特征实时提取的试验,取得了满意的结果?

融合视音频特征的视频广告表现力识别

视频广告的表现力直接影响着商业品牌的树立和商品的营销,但是视频广告表现力的识别尚不能满足人们的需求。为了自动、量化的让计算机识别广告视频的表现力,本文提出了一种直接利用视音频特征对是视频广告表现力进行识别的算法,该算法融合BoW、GIST、颜色矩特征、颜色直方图和音频特征进行识别,实验结果表明了融合视音频特征可以较好的对视频广告表现力进行识别,并且融合多种特征进行识别的准确率要高于单独使用一种特征。

基于音频特征和低频系数较小值的水印算法

提出一种基于音频特征和DWT低频系数相对较小值的数字水印算法。分析音频帧的过零率及短时能量,选取适当的阈值初步舍弃表明信号中高频信号成分的音频帧,筛选出待处理的音频帧。将选定的音频帧拼接在一起进行小波变换,选取低频系数并分段,通过相邻3个水印比特组合的二进制之和确定水印在该段中的嵌入位置,将系数修改为相邻系数中较小的值。实验结果表明,该算法通过对音频特征的分析,能降低提取低频分量的时间复杂度,实现水印信息的盲检测,提高水印的鲁棒性。

基于音频特征的音乐音符智能切分识别方法

传统的音乐音符切分识别方法切分过程比较复杂,识别准确率不高。为此,文中提出一种新的音乐音符智能切分识别方法。提取音乐音符的特征,按照音符物理特征变化趋势进行分段分割;通过音符的起止时间和停顿实现第一次分割,依据音乐的语音段、噪音段、声乐段完成二次分割;精确判断每个音符的高低音,使音符切分的结果更加准确,从而完成将一个频谱切分成一个个独立的音符音调。利用音级进行初次分割、数据帧分帧处理、阈值确定实现音乐音符智能切分识别。结果表明,设计的识别方法能够有效缩短识别时间,提高识别准确率。

基于粒子群算法优化的音频特征应用研究

在深入研究音频特征的基础上,提取响度特征和音调特征,并利用粒子群算法优化特征权重。提出一种对歌唱片段进行自动评价的方法,用于视频点歌系统的实时评分模块。实验结果表明,该系统能够反映演唱者歌声和歌曲原唱两者内容的相似程度,从而给出了有效的评分标准。

基于音频特征的自嵌入数字水印技术

论文提出一种用于音频数据内容认证与恢复的数字水印算法。该算法基于音频主要特征生成水印,并自嵌入到原始音频数据,使得水印能检测和定位对音频的篡改,并能对篡改部分进行近似恢复。其基本思路是把音频分段,每段的主要DCT系数经过量化和加密后,作为水印嵌入另一个音频段的LSB最低位之中。这样能保证音频恢复时有较好的质量。水印是使用音频的主要特征DCT系数及其位置,故能实现盲提取。

基于音频特征的交流接触器电寿命预测方法

该文基于音频特征的交流接触器电寿命预测方法,采用快速傅里叶变换法分析交流接触器线圈工作电压异常、触头磨损和壳体松动三种状态下接触器合闸时的音频特征,分别与正常的交流接触器音频特征进行对比。对比结果发现,非正常状态的交流接触器合闸时其音频特征与正常状态时明显不同。为进一步研究接触器合闸时的振动发声机理,基于振动方程和声压波动方程建立接触器合闸时的声场模型,仿真结果表明,该声场模型产生的音频频谱幅值随线圈工作电压的增大而变大、频谱分布随触头形貌改变而变化。分别运用BP神经网络和卷积神经网络(CNN)构建交流接触器合闸音频特征与电寿命的关联模型,对比了L-M算法、拟牛顿法、动量BP法和自适应梯度下降法四种BP网络学习算法,建立电寿命验证平台。实验结果表明,L-M算法性能最优,预测误差小于10%;CNN可以在线学习和提取音频特征,但其预测误差超过20%。

基于视音频特征和文本信息的新闻视频自动场景分割

提出了一种基于视音频特征和文本信息的新的场景自动分割技术。其基本思想是先探测新闻视频的镜头边界,再用文本检测方法识别主题字幕帧以得到分割信息。用短时能量和短时平均零交叉率参数探测静音分片。将视音频特征和文本信息相结合以实现自动场景分割。实验使用135 400 帧的测试数据达到了85.8%的准确率和97.5%的重现率。实验结果表明此方法是有效的、稳健的。

基于音频特征的工程车辆工况识别研究

高效率地使用工程车辆是工程项目管理中节约成本的有效方法,无人监管环境下工程车辆的工况识别,是实现工程车辆高效率使用的有效手段。目前以GPS等技术为核心的车辆智能管理系统未对工程车辆进行工况识别,提出一种基于GRU循环神经网络的工程车辆工况识别方法,通过对工程车辆在不同工况下产生的音频信号进行分析,从中提取Mel倒谱系数作为主要特征,构建GRU循环神经网络模型进行训练和识别。实验结果表明,该方法可以实现对工程车辆工况的有效识别。

基于音频特征的乐器分类研究

针对现有乐器分类研究中存在的使用特征量过多、分类准确率有待提高等问题,提出了一种特征量少、准确度高的乐器分类方法。基于Relief算法的主成分特征提取方法,计算出各特征量的权重,设计3层的神经网络分类器。根据所提算法和分类器,使用8项音频特征与传统的24项MFCC特征,分别对中西方9种乐器进行了分类实验,并分别使用权重最高的4、5、6项特征进行分类实验。结果表明,所提出的音频特征相比于传统MFCC特征对乐器分类的平均准确率更高,达到94.84%,且特征量更少,说明基于Relief算法的主成分特征提取方法能有效减小低相关性特征对分类准确率的影响。

基于音频特征的电气设备故障智能检测方法研究

电气设备的故障诊断技术是通过监控设备的实时运行状况来检测是否发生工作异常,并且分析和判断故障类型及预测电气设备将来一段时间内的运行情况。针对传统电气设备故障检测方法存在的一些问题,笔者开展基于音频特征的电气设备故障智能检测方法研究。该方法通过电气设备音频信号采集、电气设备音频特征参数提取完成对电气设备故障音频智能识别。通过对比实验证明,该检测方法与传统检测方法相比分离和识别的正确数量更多,有利于提高检测结果的准确性,更适用于企业对电气设备故障问题的检测与维修。

基于音频特征的SVM音乐风格识别

为提高音乐风格识别的准确率,提出了一种基于样本熵和SVM的音乐风格识别模型。通过EMD分解提取不同音乐风格信号的样本熵,将样本熵作为SVM的输入,音乐风格类型作为SVM的输出,建立SVM的音乐风格识别模型。研究结果表明,与RBFNN、BPNN和KNN相比,SVM音乐风格识别准确率高达98.43%,从而说明SVM可以有效提高音乐风格识别的准确率。

基于变压器故障噪声监测诊断技术的音频特征提取方法研究

变压器在运行过程中可能会出现不同类型的故障,导致变压器发出异常声响.通过采集变压器故障运行时的异常音频,并提取音频特征量进行分析处理,就可判断出变压器的故障类型.此种变压器故障诊断方法的关键点在于采集变压器运行中的故障音频信号并提取其特征量,尤其是从包含环境噪声的混合音频中准确提取有效的故障特征量是该方法的技术核心.现通过研究Hilbert-Huang变换在音频分析中的应用,探讨了变压器故障音频特征分离和提取的有效方法.