新能源电力系统频率时空分布特性分析

随着新能源和电力电子装备在电力系统中的占比快速提升,系统的频率动态特性发生重大变化。为了研究新能源机组并网对新型电力系统频率时空分布特性的影响:首先,建立了新能源电力系统的频率动态响应解析模型,并分析了频率时空分布特性的影响因素及新能源并网对该特性的影响机理;其次,讨论了研究频率时空分布特性的必要性及描述该特性的量化指标;最后,基于仿真结果分析了不同电网形态下的频率时空分布特性,并总结了新能源机组并网对该特性的影响规律。

基于时频融合特征的肺动脉高压心音分类模型

先心病相关肺动脉高压是一种严重的心血管疾病,致死率高,对其进行早期筛查与识别对于治愈尤为重要。目前临床是通过右心导管术确诊,此为有创检查,不便于在大规模筛查中采用,研究一种无创便捷的识别方法迫在眉睫。文中建立了一种时频融合的心音分类模型。首先对心音信号进行预处理,然后使用融合滤波器组对信号进行转换并求取动态时频特征,最后将得到的融合特征参数输入表格式先验数据拟合网络(TabPFN)中进行分类识别。实验结果表明,该算法在正常、CHD-PAH和CHD中的平均准确率、精确率、灵敏度、特异度和F1分别为92.21%,92.15%,92.15%,96.11%,92.14%。对于先心病相关肺动脉高压的早期筛查与识别具有重要意义。

空中目标动态HRRP特征可重构模拟方法

针对目前无源模拟技术无法实现目标动态电磁特征模拟的问题,提出了一种利用相位调制表面(phase-switched screen, PSS)进行空中目标动态高分辨距离像(high resolution range profile, HRRP)特征可重构的模拟方法。以无人直升机旋翼为例,对旋翼的运动状态进行了建模,并详细分析了其动态HRRP特征。另外,通过建立PSS的周期调制信号模型,详细分析了PSS对雷达入射波的调控效果。在此基础上,提出了一种调制频率时变的PSS可重构模拟方法,该方法能够生成随时间变化的可控谐波分量,模拟产生的谐波分量与无人直升机旋翼的动态HRRP特征变化规律相似。通过仿真数据对比分析,调制频率时变的PSS可重构模拟方法能够实现无人直升机旋翼的动态HRRP特征模拟效果。

基于MFCC提取和DTW优化的连续音频识别算法设计

介绍了一种新型的利用梅尔频率倒谱系数(MFCC)提取和动态时间规整技术(DTW)优化的连续音频识别算法。首先对数学原理与算法步骤进行设计与规划,使用大规模音频数据库进行预处理,经过时域和频域分析提取相应的特征;然后利用双门限法把连续音频切分为不同的音频块,并对切分部分进行针对性识别,将其与时频域数据库的模板进行匹配比对,实现了较好的连续音频识别效果,在时域和频域识别上的准确性均能达到89%。该研究成果可应用于钢琴教学系统的开发,尤其是在辅助学习者正确弹出曲谱方面具有广阔的应用前景。

基于梅尔频率倒谱系数的语音清晰度DRT识别

语音清晰度在通信终端、设备系统语音识别方面具有重要意义。本文对110dB噪声干扰下采集到的语音信号进行谱减法降噪,双门限端点检测提取发音字段,然后提取梅尔频率倒谱系数(MFCC),再将其进行差分计算,得到一阶和二阶分量,结合短时能量作为语音信号的特征参数,最后通过动态时间归整(DTW)进行相似度识别。实验表明,本文算法对汉语清晰度诊断押韵测试(DRT)字表的测试结果高达92.90%,有良好的识别率。

声发射梅尔倒谱系数在砂岩破裂分析的应用

声发射技术在煤岩破裂分析领域进行了大量应用,取得了诸多有益成果,对煤岩动力灾害监测预警提供了重要指导,然而煤岩声发射分析仍存在进一步研究和完善的空间,亟待提出新的声发射分析方法。为此,开展了预制裂纹砂岩试样单轴加载破坏实验,同步采集了加载全程的应力应变数据和全波形声发射数据,并对试样进行全程高清摄像;利用声波分析手段提取了砂岩的声发射梅尔倒谱系数,探讨了该系数在砂岩破裂分析的优势及其原因,分析了该系数对砂岩破坏过程的响应,由此进一步研究揭示了预制裂纹砂岩试样的破裂破坏演化特征及声发射梅尔倒谱系数前兆信息。结果表明:对同种砂岩的不同试样,由不同通道采集的声发射信号提取的同号梅尔倒谱系数的变化特征相似、变化量相近、偏差程度小(5%~15%),并且在砂岩加载全程具有阶段性和敏感性的变化特征,说明声发射梅尔倒谱系数具有稳定性优势,可作为反映砂岩破裂状态的特征参数;梅尔倒谱系数可对声发射波形进行很好表征,系数提取过程不对波形设置门槛值,系数值由一段时间内声发射波形幅度和密集程度等整体形态决定,而不同通道采集的声发射波形整体形态在一段时间内趋向于相似,是该系数具有稳定性优势的原因;在砂岩破坏阶段,梅尔倒谱系数呈现周期性升降波动,对应应力曲线的周期性降升和高幅度声发射波形的间断性产生,3者的变化量之间具有显著的正相关关系,说明该系数的波动性及其强弱可反映砂岩的破裂过程及破裂的剧烈程度,是砂岩破裂的响应,由此揭示了砂岩的间歇性破裂破坏演化特征,该特征随着临近砂岩失稳破坏而变得愈发剧烈;以此为指导,利用梅尔倒谱系数周期性波动的波峰与波谷之差(即波动差)来表征系数的波动性强弱并描述砂岩间歇性破裂的剧烈程度,得到了梅尔倒谱系数周期性波动差逐渐增大且突增的砂岩破坏前兆。

基于声发射特征提取和机器学习的煤破坏状态预测

同步采集了煤样单轴压缩破坏过程的声发射全波形数据和应力数据,提取了声发射梅尔倒谱系数作为样本特征,定义煤样当前受力与其峰值载荷的比值为煤样的应力状态并将其作为样本标签,利用机器学习方法构建了煤样破坏状态的预测模型.结果表明:梅尔倒谱系数可以很好地表征煤样的破坏状态,该参量在煤样达到受力峰值80%后表现出明显突增或突降或先增加然后突降的规律,机器学习能够利用该样本特征建立煤样破坏状态预测模型进而预测煤样的危险状态,利用五折交叉验证方法评价模型的预测准确度达到88.61%,模型预测效果和稳定性良好;进一步讨论了不同重要度的梅尔倒谱系数组合作为样本特征对于模型预测效果的影响,发现样本特征中含有重要度高的特征和关键特征是模型预测准确度高的关键.这可为进一步完善煤岩动力灾害预测预警提供借鉴.

基于MFCC和CNN的变压器声学特征提取及故障识别

在变压器故障诊断中,为解决使用传统分类器方法存在的泛化能力弱、识别率不高等问题,提出了一种基于梅尔频率倒谱系数(MFCC)和卷积神经网络(CNN)的变压器声学特征提取及故障识别方法。利用数字麦克风采集变压器在不同工作状态下的声音信号,经预处理后计算其MFCC特征作为静态特征,并进一步处理得到ΔMFCC特征以及ΔΔMFCC特征作为动态特征;引入卷积神经网络模型作为分类器,分别使用静态特征与三者的融合特征作为数据集进行了训练;对两个模型的训练结果进行了分析,并在其他配电室对系统进行了验证实验。实验结果表明,该方法能够有效地根据变压器工作声音识别变压器的正常工作状态、过载状态以及放电故障,且动态特征的引入能够在一定程度上提高模型的识别效果。

实时说话人辨识系统中改进的DTW算法

识别正确率和抗噪性能是语音识别的研究重点,而识别响应速度也是决定系统实用化的关键。文章改进了传统的动态时间弯折算法结构,将其应用于实时说话人辨识系统中,极大地提高了系统运行速度,随着待识别语音数目的增多,该算法优势更加明显。实验表明,在不影响系统识别率的情况下,该方法使系统的运行速度平均提高了1.5倍。

电力系统动态频率响应时空分布特征量化描述

由于网络在地理上分布不均匀、机组及其控制器参数差异,以及不同区域负荷特性不同,大型互联电力系统的动态频率响应时空分布特征显著。讨论了动态频率响应时空分布特征及研究方法;为便于讨论,定义了观测空间、响应时间以及响应线性区间。提出基于观测空间的频率响应时空分布特征量化描述方法:通过计算扰动后各观测点处频率线性变化区间内的平均变化率、对扰动的响应延时、频率偏移最大量及延时、过渡过程中主导振荡模式的阻尼比来描述系统动态频率响应时空分布特征。基于上述方法,可得到频率响应时空分布特征矩阵,从而可较好地通过微观变量来量化描述系统的宏观动态行为。讨论时空特征矩阵的潜在应用领域,并给出以观测点的响应延时估计扰动位置的示例。以华北互联电网为例进行了仿真计算,验证了所提出方法的有效性。

一种改进动态特征参数的话者语音识别系统

研究语音动态特征参数提取问题,在话者语音识别过程中,动态特征参数可以有效提高识别率。但是传统算法在其提取过程中存在大量干扰冗余信息,造成了识别率降低并带来运算速度的降低。为解决上述副作用,提出在说话人识别系统中,使用一种动态时频倒谱系数参数的方法。上述方法在不减少反应话者个体特征分布特性的前提下,可消除冗余信息并降低样本特征的维度。利用上述方法提取语音特征参数并输入混合高斯-通用背景模型进行说话人语音分类。在Matlab上仿真结果表明,动态时频倒谱系数可有效改进话者语音识别系统的识别正确率。

语音信号的动态时频倒谱特征

汉语方言辨识中常用的转移差分倒谱(SDC)特征往往存在较多的冗余信息.对此,提出动态时频倒谱(DT-FC)特征.首先对倒谱矩阵进行离散余弦变换(DCT),然后对变换后的矩阵元素进行重组.基于新特征,在高斯混合模型系统下对闽、粤、吴3种方言进行辨识.实验结果表明,DTFC特征的性能明显优于SDC特征,其平均辨识率可达98.89%,较SDC特征提高了3.1%.

肌电信号特征提取方法综述

肌电信号分析在肌肉的临床诊断、康复、仿生控制和工程应用等领域具有重要的研究价值,而特征提取是肌电信号分析的基础.文章总结回顾了现有肌电信号特征的提取方法,并将其归纳为四大类:时域分析方法、频域分析方法、时频分析方法和非线性动力学方法.在简单介绍各类特征提取方法的基础上,比较了各类方法的特点与优劣,并对其在肌电分析相关领域的应用前景进行了展望.

基于特征比较的语音评分方法研究

为在语言朗读训练时对跟读语音的质量自动作出客观评价并在嵌入式系统上实现,提出了一种基于特征比较的语音评分方法。通过分析输入语音,提取语音特征并与参考标准进行匹配比较,由评分机制根据相似程度大小给出评价得分。实验证明该方法的算法复杂度较低,评分结果符合人的主观感觉。

噪音情境下生态环境声音的分类

提出一种对含有噪音的生态环境声音进行分类的方法.首先,匹配追踪(Matching Pursuit,简称MP)算法可以提取有效信号的时-频特征,减弱噪音的干扰.支持向量机(support Vector Machine,简称SVM)分类器的鲁棒性比较好,所以提出使用SVM基于MP时-频特征建立模型(简称MP-SVM)对含有噪音的生态环境声音进行分类.实验得出MP-SVM可取得较好的分类效果,证明了MP时-频特征和SVM分类器具有较好的抗噪性.

变质量贮箱类流固耦合系统的振动响应及时频特性分析

研究了变质量贮箱类流固耦合系统的动力学特性。根据虚拟质量法,使用有限单元法构建了变质量贮箱类流固耦合系统的动力学模型,建模过程中着重考虑了质量变化对系统的影响。通过Newmark直接积分法计算出变质量贮箱时变系统的振动响应,分析了不同质量变化率对变质量贮箱系统动力响应的影响,并借助平滑伪Wigner-Ville变换获得变质量贮箱时变系统的动力响应时频谱。结果表明:由于系统质量减少,引起了系统振动频率的增大,并产生一个附加的负阻尼。这个负阻尼的大小与系统的质量变化率成正比。对比不同质量变化率和不同结构阻尼变质量贮箱的动力响应及时频特性,系统的振动频率的范围可以通过系统质量的范围确定,而且当附加负阻尼的作用超过系统结构阻尼的作用时,会使得系统的振动振幅增大,引起系统的不稳定。平滑伪Wigner-Ville变换是处理非平稳信号的一种有效工具。

一种孤立词语音识别方法研究

结合动态谱特性的语音识别研究 ,阐述了一种有限状态矢量量化 (FSVQ)方法。FSVQ利用了过去的信息来选择合适的码本进行编码 ,对于语音识别更为有效。改进了所使用的语音特征参量 ,除了LPC倒谱系数外 ,结合使用了动态谱特征和能量的对数值 ,并根据汉语发音特征对语音信号端点进行一种加权处理。实验结果表明 :与说话人有关的孤立词识别率达到 98%。

采用MFCC和DTW的咳嗽干湿性自动分类技术

咳嗽是一种在呼吸疾病中常见的症状。对病人的咳嗽类型进行分类和统计对病人的病理分析将有极大帮助。提出了一种基于MFCC特征和DTW模板匹配的方法来对病人的咳嗽进行自动干湿性分类。通过训练咳嗽样本,使用特征提取算法得到它们的MFCC特征参数从而生成用于比较的参考模板库。然后对需要进行分类的咳嗽信号进行同样的特征提取过程,并将参数和模板库中的进行匹配从而得出咳嗽的干湿性类别。文中对78个未知类型的咳嗽样本进行分类,得出干性咳嗽57个,湿性咳嗽21个,分类错误率为7.69%。经进一步处理,可以将分类错误率减少到仅为2.56%。

基于特征比较的声乐评价方法

提取测试声乐和相应原声的音强、音高、气息等特征参数,采用特征匹配方法对各参数进行比较,由评分机制根据其相似程度给出客观评分。建立多媒体声乐客观评价系统,提高了声乐教学的直观性和互动性。仿真实验结果表明,该方法的算法复杂度较低,其评分结果与人的主观感觉相符。

基于MFCC的语音评分方法研究

针对目前语言学习中普遍存在的发音问题,提出了一种基于MFCC的语音评分方法,通过对测试语言和标准语音进行预处理、特征提取及模式比对等过程,找出它们的相似度并由评分机制给出得分。实验证明该方法能够确保评测的准确性,具有较强的实用性。