基于CNN和DCGAN的小样本船舶辐射噪声识别方法

文中建立一种基于卷积神经网络(convolutional neural networks,CNN)和深度卷积生成对抗网络(deep convolutional generative adversarial networks,DCGAN)的船舶目标识别方法.通过采集的船舶辐射噪声数据,以梅尔频谱(Mel spectrogram)作为网络的输入特征,使用DCGAN网络对频谱变换后的样本进行扩充,利用微调的VGG16(visual geometry group)网络实现船舶目标分类,实现了网络收敛速度的提升和训练时间的减少.结果表明:采用所提方法可以生成较高质量的频谱样本,提高船舶辐射噪声识别的准确率.

结合轻量卷积的非自回归语音合成方法

对如何有效捕捉音素之间的关联及如何合成韵律丰富的音频进行研究,提出一种结合轻量卷积的非自回归语音合成模型LCTTS。引入轻量卷积建立起音素之间的联系,解决发音出错问题。通过添加音高和能量预测器预测生成语音的韵律,解决音频韵律缺乏问题。训练模型获取梅尔频谱,结合预先训练好的声码器转化为音频。实验结果表明,提出的LCTTS模型优于先前提出的SpeedySpeech模型,在Emotional Speech Database数据集上平均意见得分获得2.8%的提升,梅尔倒谱失真测度下降0.15。

基于Mel频谱和LSTM-DCNN的矿山微震信号混合识别模型

微震监测是保证矿山安全生产的有效手段,微震信号识别精度直接影响着微震事件的判定及分析结果.鉴于此,以夏甸金矿微震监测数据作为样本,建立了基于Mel频谱和长短时记忆(long short-term memory,LSTM)神经网络与深度卷积神经网络(deep convolutional neural networks,DCNN)混合的矿山微震信号识别模型.首先对监测信号进行预处理,利用Mel时频谱降低干扰频段的权重并减小样本尺寸.然后利用LSTM和DCNN模型分别提取信号的时间特征及空间特征.通过多种模型的对比分析,结果表明本文提出的Mel-LSTM-DCNN混合模型对微震信号识别准确率最高.该模型为矿山准确识别微震信号提供参考.

基于梅尔谱图和改进ResNet34模型的鸭蛋裂纹识别算法

针对鸭蛋裂纹人工检测受主观性影响造成精度波动大等问题,利用ResNet34网络模型,提出1种基于梅尔谱图的鸭蛋裂纹识别算法。首先利用敲蛋装置收集敲蛋声音数据,再将音频转化成梅尔谱图,构建梅尔谱图数据集,然后搭建ResNet34模型,引入迁移学习机制训练模型,再通过Adam优化算法更新梯度,增加注意力机制模块并将卷积结构替换为深度可分离卷积以对网络模型进行改进,并调整参数进行优化,最后利用模型对鸭蛋裂纹进行识别。结果显示:改进的ResNet34DP_CA网络模型检测的平均准确率为92.4%,对比原始ResNet34网络模型,平均准确率提高5.5个百分点,参数量减少32%;对比其他网络模型VGG16、MobileNetv2和EfficientNet,平均准确率分别提高10.9、13.7、16.3个百分点,识别时间为21.5 ms。结果表明,所提出的基于梅尔谱图和改进ResNet34模型的鸭蛋裂纹识别算法,能够有效地对鸭蛋裂纹进行检测识别。

基于线性SVM的变电站故障声纹检测算法

为实现变电站设备的无接触状态预警,提出了基于支持向量机(Support Vector Machine,SVM)线性分类的变电站声纹检测模型。文中基于变电站声纹的先验信息,采用梅尔滤波器降维提取变电设备的声纹特征;并将二元假设检测问题转化为高维SVM分类,有效提高了变电设备故障声纹检测的鲁棒性。考虑算法实时性,研究了梅尔滤波器输出维数与SVM线性核函数的对应关系,并进一步降低高频输出分量。变电站实测声纹数据表明:文中算法能有效检测故障声纹且运算量降低了26.4%。

基于双源域迁移学习的肺音信号识别

针对目前肺音识别中因肺音数据集规模较小所致模型过拟合分类精度低的问题,提出一种基于双源域迁移学习的肺音识别方法。一方面,将音频数据集Audio Set上的预训练模型VGGish网络迁移至肺音识别中,融合高效通道注意力ECA-Net以增强识别能力,然后提取肺音的对数梅尔频率谱特征,使用VGGish网络按照时序学习谱图中的信息,并对VGGish网络输出的特征向量经不同大小和扩张率的一维卷积核进行特征增强,将增强后的特征图输入双向门控循环单元以捕获肺音的时序信息;另一方面,将图像数据集ImageNet上的预训练模型VGG19迁移至肺音识别中,将肺音波形数据转换为谱图的形式输入并训练。将两方面的模型训练后作为特征提取器,融合具有高层语义的特征向量融合并输入集成学习算法CatBoost,实现最终的分类。实验结果表明,该方法对Coswara新冠数据集中肺音识别的特异性、敏感性指标和准确率分别达到80.66%、77.69%和79.18%,对ICBHI-2017数据集中肺音识别的特异性、敏感性指标和ICHBI-score分别达到88.75%、72.04%和80.39%,均优于对比的常见识别方法。

基于微信号增强的机器人远距离语音识别仿真

由于噪声信号的干扰,导致机器人难以实现对微弱信号的远距离语音识别,影响最终的识别效果.为此,本文提出基于微信号增强的机器人远距离语音识别仿真研究.首先采用谱减法对微信号进行增强处理,由于语音信号中噪声功率谱具有一定的稳态属性,可估算出噪声的功率谱,再利用谱减计算求出纯净语音的功率谱,对傅里叶变换后的各个相位信号进行差异化赋权后,再对去噪功率谱进行拟合,完成对信号相位的恢复.在语音识别阶段,将增强后的原始语音信号分解为若干个独立的语音帧,在梅尔三角滤波器组中提取语音信号的Mel频谱参数,将其与语音频率之间的关系作为识别特征参数,最后利用梯度下降算法,在损失函数的约束下匹配与识别特征拟合度最高的内容,实现语音识别.仿真测试结果表明,本文提出的设计方法在噪声、不同信噪比、不同测试距离下对语音的识别率均达到了95.00%以上,与对照组相比具有更好的识别效果.

基于梅尔频谱的电磁继电器内部异响特征提取

通过对电磁继电器异响声音信号进行时频分析和异响特征提取方法的研究,选择梅尔频谱来提取异响特征。首先,对异响声音信号进行预处理;然后,通过短时FFT变换得到异响声音信号的频谱图;接着,通过梅尔滤波器组得到梅尔频谱;最后,经过实验验证,梅尔频谱可以较好地表达电磁继电器异响特征,具有较强的抗噪声干扰能力,且数据大小适中,可为后续的故障诊断提供有效信息。

基于2阶段循环神经网络的语音增强算法

基于神经网络的语音增强算法模型直接在时域或时频域操作导致算法具有很高的复杂度,难以在低算力平台下实现应用。针对这一问题,提出一种基于2阶段循环神经网络的语音增强算法,在保证算法性能的前提下,大幅减少了算法复杂度。算法由2阶段子网络构成,第一阶段对语音的梅尔子带特征利用循环神经网络进行建模预测幅度谱掩码以实现语音幅度的增强。第2阶段通过循环神经网络估计噪声幅值联合相位谱补偿算法实现语音的相位的补偿。通过2阶段网络并行优化,获得了较好的增强性能。实验结果表明:相比基线模型,本文提出的算法在更低的复杂度情况下,在语音的客观指标上依旧具有优良的表现。

融合梅尔谱增强与特征解耦的噪声鲁棒语音转换

提出了一种融合梅尔谱增强与特征解耦的噪声鲁棒语音转换模型,即MENR-VC模型。该模型采用3个编码器提取语音内容、基频和说话人身份矢量特征,并引入互信息作为相关性度量指标,通过最小化互信息进行矢量特征解耦,实现对说话人身份的转换。为了改善含噪语音的频谱质量,模型使用深度复数循环卷积网络对含噪梅尔谱进行增强,并将其作为说话人编码器的输入;同时,在训练过程中,引入梅尔谱增强损失函数对模型整体损失函数进行了改进。仿真实验结果表明,与同类最优的噪声鲁棒语音转换方法相比,所提模型得到的转换语音在语音自然度和说话人相似度的平均意见得分方面,分别提高了0.12和0.07。解决了语音转换模型在使用含噪语音进行训练时,会导致深度神经网络训练过程难以收敛,转换语音质量大幅下降的问题。

改进的气体泄漏识别算法研究

为了获得理想压缩气体泄漏信号的识别准确率,进而实现高效检测的目的,提出一种基于经验模态分解、梅尔频率倒谱系数和主成分分析的泄漏超声信号特征提取方法。首先,使用经验模态分解提取泄漏信号的超声频段,通过对固有模态函数的熵值设定阈值,优化频谱混叠;其次,通过构造梅尔变换函数,设计分别针对目标频段中不同分布的梅尔滤波器组;然后,使用主成分分析代替离散余弦变换,提取改进的梅尔频率倒谱系数;最后,在实验室模拟泄漏环境,采集不同泄漏条件的泄漏信号,使用支持向量机实现识别分类,完成泄漏检测。结果表明,使用熵阈值优化的经验模态分解能够提高泄漏信号的识别准确率,改进的梅尔频率倒谱系数是一种更有效的泄漏信号特征,相比改进前识别准确率提高了7.76%。

基于Mel时频谱-卷积神经网络的变压器铁芯夹件松动故障声纹模式识别

铁芯的振动噪声与其紧固状况密切相关,对变压器铁芯松动故障进行声纹特性分析和故障诊断研究是实现电力变压器在线监测的重要内容。提出了一种基于Mel时频谱-卷积神经网络的变压器铁芯松动声纹识别方法。首先提出了基于Mel时频谱的噪声样本处理方法;然后搭建了铁芯夹件松动故障模型,对铁芯在不同松动程度与不同松动模式下的噪声信号进行研究,分析了噪声信号的频域特征;最后构建了Mel时频谱-卷积神经网络变压器铁芯松动声纹识别模型,以Mel时频谱降维处理后的噪声数据,作为深度学习的数据集,实现了铁芯松动故障的准确识别。可为变压器铁芯夹件松动故障诊断以及电网主设备的数据深度挖掘提供参考。

子带特征参数在家禽应激发声识别中的应用

基于子带梅尔频谱质心的优化特征参数(SMSC),研究了35日龄海兰褐蛋鸡在正常状态、光照与人为干扰等应激下发声信息的变化特征,并通过建立支持向量机模型(SVM),比较了采用优化特征参数与梅尔频标倒谱系数及其一阶、二阶导数组成的特征参数(MFCC-39)在识别不同应激中的应用效果。试验结果表明,采用加入梅尔频谱质心修正的特征参数,在分类正确识别率方面平均提高了24%。

基于神经网络的声场景数据声谱图提取方法

在复杂环境声场景识别任务中,梅尔频谱作为输入的深度卷积神经网络有良好的识别能力,然而梅尔滤波器组依据人耳生理特征设计,对于声场景识别并非最优滤波器组。针对此问题提出声谱图提取神经网络取代传统梅尔频谱提取过程,通过训练该网络使声谱图自动适应声场景数据集。声谱图提取神经网络连接ResNet50作为声场景识别架构,在DCASE2019声场景数据集上进行训练与测试,实验结果表明该架构比传统模型有更高的识别率,能够有效调整频率曲线、滤波器幅值以及滤波器形状。

麝香草酚的荧光光谱研究

用荧光光谱法研究了麝香草酚（THY）在β-环糊精、CTMAB和牛血清白蛋白介质体系中的荧光增敏作用，以及缓冲溶液和溶液的pH值对THY荧光强度的影响，用三维荧光光谱佐证了增敏作用机理，实验结果表明，在6．672×10^9-5．338×10^-8mol·L范围时，荧光强度与THY浓度之间呈现良好的线性关系。提出了应用荧光光谱法测定THY的新方法。

一种适用于说话人识别的改进Mel滤波器

Mel倒谱系数(MFCC)侧重提取语音信号的低频信息,对语音信号的频谱分布特性描述不充分,不能有效区分说话人个性信息。为此,通过分析语音信号各频段所含说话人个性信息的不同,结合Mel滤波器和反Mel滤波器在高低频段的不同特性,提出一种适于说话人识别的改进Mel滤波器。实验结果表明,改进Mel滤波器提取的新特征能够获得比传统Mel倒谱系数以及反Mel倒谱系数(IMFCC)更好的识别效果,并且基本不增加说话人识别系统训练和识别的时间开销。

Hilbert边际能量谱在语音情感识别中的应用

情感特征的提取是语音情感识别的重要方面。由于传统信号处理方法的局限,使得提取的传统声学特征特别是频域特征并不准确,不能很好地表征语音的情感特性,因而对情感识别率不高。利用希尔伯特黄变换(HHT)对情感语音进行处理,得到情感语音的希尔伯特边际能量谱;通过对不同情感语音的边际能量谱基于Mel尺度的比较分析,提出了一组新的情感特征:Mel频率边际能量系数(MFEC)、Mel频率子带频谱质心(MSSC)、Mel频率子带频谱平坦度(MSSF);利用支持向量机(SVM)对5种情感语音即悲伤、高兴、厌倦、愤怒和平静进行了识别。实验结果表明,通过该方法提取的新的情感特征具有较好的识别效果。

语音信号时频特征显示系统的设计和仿真

语音信号处理算法众多,但用于语音处理算法验证和开发的可视化研究平台极少。基于MATLAB GUI技术,完成语音信号典型时频特征参数提取和显示系统仿真平台的设计。可实现多种格式音频文件的载入和播放、波形和频谱显示、以及线性预测倒谱系数和美尔倒谱系数的计算、存储和显示等功能。系统界面友好、操作方便,可实现参数的交互输入并控制显示结果。仿真结果验证了相关时频特征参数提取算法的正确性,提高了对算法或数据处理效果的直观认识。

基于经验模态分解结合傅氏变换与Wigner分布的Mel频率倒谱系数提取

根据语音信号的非平稳特点,用经验模态分解方法把语音信号分解成一系列固有模态函数(Intrinsic Mode Function,IMF),一个IMF只含有语音信号的一部分信息,不同IMF分量携带的特征信息不同,对这些IMFs进行加权处理,得到新的语音,再对其进行后续处理.Wigner-Ville分布能精确地定位信号的时频结构,而传统傅氏变换不能反映信号的瞬时变化情况,但多分量信号的Wigner-Ville分布受困于交叉项的干扰,因此利用Wigner-Ville分布的优点,采用Wigner-Ville谱与傅氏谱结合来代替单独的傅氏谱作为每帧的特征,进行Mel频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)提取.实验表明,经改进后的MFCC参数较传统的MFCC参数应用于说话人识别系统,识别率有较大提升,且鲁棒性较好.

用于变压器端部垫块脱落故障识别的时间序列频谱熵稳定度算法

变压器声纹信号包含丰富的信息,在不同的运行状态下声纹可分为瞬态声纹和稳态声纹。以某变压器端部垫块脱落故障为出发点,分析其振动机理并挖掘声纹特征,实现对该故障的判别工作。首先,建立质量-弹簧-阻尼模型分析了该故障的振动模式和发展规律;其次,对声纹信号进行短时傅里叶变换,并利用Mel滤波器组对时频谱进行压缩感知;再次,利用时间序列频谱熵特征提取算法,引入了信号稳定度的概念;最后,对162台变压器现场采集的工况声纹信号数据集和试验采集的铁心松动故障信号数据集进行稳定度计算,统计稳定度分布情况。利用端部垫块脱落为瞬态声纹分布,而现场和铁心松动故障为稳态声纹分布的差异,通过稳定度方法从两类数据集中识别出端部垫块脱落故障。