时频特征的海豚发声端点检测方法研究

为在复杂的海洋环境噪声场中检测出目标海豚的某类声信号,设计了一种基于海豚声学特征的端点检测方法。根据海洋环境中噪声能量大且分布频率范围广,而海豚声音的时频特征具有持续时间短、频率高且集中、发声行为持续时间长的特点,将采集到的海洋声音进行分帧,计算单帧信号短时能量、谱质心和谱质心二阶偏移率,当海豚发出声信号时,谱质心和能量相应发生突变,截取发生突变的信号实现端点检测。通过与门限法等其他常见端点检测方法进行对比,结果表明,此方法在低信噪比的海洋环境下对单一海豚的某一类声信号检测准确度更高,同时具有较强的抗干扰能力。

变电站噪声水声掩蔽的效果预测研究

作为物理降噪技术的补充,声掩蔽被广泛应用在以降低人体主观影响为目的的声环境质量改善中。由于影响掩蔽效果的因素复杂,声掩蔽效果的预测一直是难点。为此,研究以变电站厂界排放的低频噪声为掩蔽对象,采用三种不同的自然水声(溪流声、喷泉声和雨滴声)在4个信噪比下(-3、0、+3、+6dBA)开展了声掩蔽主观烦恼度试验研究,采用谱质心和等效响度来开展变电站厂界噪声掩蔽效果的预测分析。研究结果发现,噪声经掩蔽后烦恼度与掩蔽声谱质心呈现显著正相关,同时与掩蔽声和掩蔽后噪声的等效响度呈显著负相关,最终采用回归分析方法建立了基于谱质心和等效响度的掩蔽效果预测模型。本研究所采用的掩蔽效果预测模型建立方法可适用于更多的声掩蔽研究。

评价松质骨状况的一种背散射频谱方法

采用超声背散射信号的质心偏移量来评价松质骨,并对牛胫骨和人体跟骨中背散射信号的质心偏移量与松质骨表观密度的关系,以及人体跟骨松质骨中背散射信号频谱质心位置与年龄的关系进行了分析讨论。分析结果表明,随松质骨表观密度的增大,背散射信号频谱的质心向低频方向移动;随年龄的增大,质心位置越接近于发射超声的中心频率。根据超声背散射信号质心偏移量的大小,可用于评价松质骨健康状况。

舰船辐射噪声的响度和音色特征模型

首先分析模拟舰船辐射噪声的归一化功率和Moore响度变化趋势,进一步用海试数据验证Moore响度的周期性变化特点,分析Moore响度周期性变化的原因,提取Moore响度均值作为一维特征.然后分析研究音色中有效的谱质心特征,根据谱质心的数学定义推导出谱质心带宽、谱质心斜度以及谱质心峰度的数学公式,举例分析其物理含义,并提出基于六分段频带的谱质心、谱质心带宽、谱质心斜度以及谱质心峰度共24维的音色特征模型.将Moore响度特征模型和音色特征模型相结合,从组合的25维特征的均值和方差分布可知特征具有一定的可区分性.最后设计3层BP神经网络分类器,海试数据表明基于Moore响度和音色的特征模型提取方法是有效的,且有利于提高分类识别率.

谱质心迁移在变工况轴承故障诊断的应用

轴承故障诊断普遍存在需建立不同模型以适应变工况的问题,故提出一种谱质心迁移学习模型,通过将源工况领域迁移至目标工况领域减少后者的建模代价,并增强模型通用性。首先计算两工况领域间频谱相似度(FSSM)并排序选择近距离源工况领域为初始训练集。其次在迭代过程中剔除与训练集谱质心均值距离较远的样本,并加入同数量目标工况领域无标签样本,直至两者谱质心均值距离一致,模型故障类别取决于支持向量机(SVM)和逻辑回归(LR)基分类器的输出。Spectra Quest齿轮传动系统试验结果表明,转速负载发生变化时,该模型诊断性能优于非迁移模型,且能够根据替换样本数、精度、频谱相似度、耗时等指标评估源工况领域质量,因此具有解决变工况轴承故障诊断问题的潜在价值。

分段谱质心特征在水下目标识别中的应用

在声音主观特性的三要素中,音色可以用来描述两个等响度、等音调的声音的差别,很难用简单的定量方法给予描述,但可以通过多维物理参数表征。本文研究主要针对表征音色空间物理参数之一的谱质心特性及其在目标识别中的应用。谱质心反映声音基于能量分布的频率的均值,通过研究不同乐器的乐音的谱质心发现,它的数值主要由声样本中几个幅值较大的共振峰及其对应的频率决定。在水下目标的稳态声信号识别中,一维谱质心反映样本能量集中的区域并且能识别目标,但其中一类的识别率偏低,因此提出了一种基于谱质心的动态分析频带方法,将改进后的多维分段谱质心应用于平稳噪声样本的目标识别,有效地提高了目标识别率。

谱质心在电力谐波分析中的应用

该文给出了连续频谱和离散频谱的谱质心计算公式,讨论了谱质心应用于频谱校正的原理和步骤。通过计算离散频谱正频率段的谱质心估计信号频率,根据邻近谱质心的峰值谱线估计信号幅值和相位。对于谐波信号,引入子带谱质心概念,根据谐波次数将谐波分成多个子带,计算每个子带的谱质心估计各次谐波参数。仿真实例表明,谱质心法能提高谐波分析的准确度,有效克服基波频率波动和噪声对谐波分析的影响。与传统的比值法、相位差法和能量重心法相比,谱质心法可以避免繁琐的峰值搜索和复杂的谱线插值计算,不需要推导窗函数的能量特性,是一种简单实用的电力谐波分析方法。

听觉感知特征在目标识别中的应用

将听觉感知特征用于声学目标识别,实现对稳态噪声样本的识别,证明听觉感知特征在声学目标识别领域中的有效性。首先通过语音和乐音识别领域的研究成果确定听觉感知特征的提取方法,然后在汽车、飞机、舰船和乐器等不同类型的声目标中进行识别研究。结果显示:对于平稳噪声样本,听觉感知特征中的谱特征具有突出的优越性,其中基于Mel倒谱系数、谱下降值、分段谱质心、分段谱质心带宽和分段谱通量能够识别目标,且具有较高的识别率和稳健性。

一种基于功率谱重心的自适应特征信息提取方法

提出一种基于功率谱重心的自适应特征信息提取方法。该方法通过对不同状态转换过程中的灵敏度分布进行分析获得特征功率谱,然后计算特征功率谱的重心频率以及自适应加权系数,对特征功率谱进行自适应加权计算获得特征信息。文中给出了将自适应特征信息提取方法应用于磨煤机噪声信号特征提取的实例,对比分析了采用不同特征信息提取方法的效果。仿真结果表明,所提出的自适应特征信息提取方法能够准确剔除无效信息,自主适应运行工况变化,具有较好的灵敏度和线性度,为提高软测量模型的预测精度和泛化性能提供了保证。

水声脉冲信号检测的新方法

水声脉冲信号是由一个运动平台上的发射器发射的。信号的调制方式、载频、幅度、脉宽以及周期均为未知。该文介绍了一种水声脉冲信号检测的新方法。水声脉冲信号接收机输出的短时谱重心是不断起伏的。起伏在高信噪比时会变得很小,而在低信噪比(或无信号)时会变得很大。由于,起伏的绝对偏差移动平均可用来度量起伏的大小,因此,它可以被用来检测水声脉冲信号。还介绍了新检测方法的原理、算法以及仿真结果。在海洋噪声、运动载体的辐射噪声以及小的多途干扰背景中,该方法能可靠地检测水声脉冲信号,并能同时对信号的一些参数作出估计。

基于功率谱形心SWF的SRM复合材料壳体脱粘缺陷识别方法

针对SRM复合材料粘接结构间隙型脱粘和紧贴型脱粘的识别问题,运用声-超声的方法进行检测,在综合分析不同脱粘类型时域和频域波形的基础上,提出采用功率谱形心SWF表征脱粘类型。实验结果表明,功率谱形心SWF能有效地对两种脱粘类型进行识别。

AlGaInP基LED阵列平均结温的质心波长表征

在驱动电流为350 mA时,测量了LED阵列在不同衬底温度下的归一化光谱功率分布,然后计算质心波长,并分析其与LED阵列平均结温变化量的关系,最后研究了质心波长表征结温的准确度。研究结果表明:采用1 nm采样间隔的光谱仪,质心波长与平均结温的变化成良好的线性关系,其线性度明显优于中心波长法。同时,质心波长的测量精度更高。因此,质心波长测试是一种可以精确表征AlGaInP基LED阵列平均结温的有效方法。

一种基于小波包分析的说话人识别算法

在通过对MFCC算法的研究和实验,发现在噪音环境下基于梅尔频率倒谱系数(MFCC)的识别率受到了影响.为了提高在噪音环境下说话人识别系统的识别率,通过对MFCC参数提取过程进行改进,用小波包变换代替快速傅里叶变换和Mel滤波器组,获得了新参数newMFCC,然后将信号的频谱重心与newMFCC结合成新的特征参数进行提取.实验结果表明,新特征参数newMFCC+SC和newMFCC和原来的MFCC相比,在噪音情况下都有更好的识别率;在高信噪比条件下,newMFCC+SC的识别效果要优于newMFCC,而在低信噪比条件下,newMFCC的识别效果要优于newMFCC+SC;同时它们的动态参数要比新特征参数的静态参数识别率更好.

用芯片光谱特征参数表征双荧光粉转换型白色LED结温

采用正向电压法测量不同衬底温度、不同电流驱动时,双荧光粉转换型白色LED的结温,同时采用光谱仪测量归一化光谱分布.选择芯片的蓝色光谱,计算其质心波长和半高全宽,得到质心波长、半高全宽、驱动电流和结温四者之间的变化规律图.然后根据实际点灯状态下芯片的光谱特征参数,结合规律图计算得到实际结温.研究表明:对于环境温度变化引起的结温变化,(B+Y+R)/B法与本文方法准确度相当,测量误差均为2℃左右,无统计性差异.对于电流变化引起的结温变化,本文方法误差仍然约为2℃,而(B+Y+R)/B法误差与电流正相关,变化率为0.048℃/mA.同时在点灯6周内,本文方法误差仅4℃.因此,本文方法不仅适合因环境温度和驱动电流变化引起的结温变化,且无需重新校准,能准确测量长时间点灯LED结温,具有明显的技术优势.

基于振幅熵和功率谱重心的转子振动故障诊断

对信号进行特征提取是故障诊断的关键,为了提高转子振动故障诊断的准确性,根据转子振动的特点提出了基于振幅熵H(A)与功率谱重心C的转子振动故障诊断方法.通过计算功率谱的重心得到表征功率谱变化的功率谱重心特征,计算振幅的熵值得到反映幅值分布特征与振动集中程度的振幅熵特征,组成二维特征量(H(A),C).然后通过转子故障模拟实验采集数据,对其进行DBSCAN聚类、K均值聚类、层次聚类、网格聚类4种聚类分析.结果表明,基于振幅熵H(A)与功率谱重心C的二维特征量(H(A),C)能够作为评价转子振动状态的综合特征指标.通过对传统的二维特征量(偏度、均方根值)、(裕度、标准差)运用网格聚类法进行转子振动故障诊断识别,结果表明,(H(A),C)的选取较于传统特征量的选取能更好地对转子运行中出现的常见故障进行区分.

采用质心波长表征GaN基白光LED阵列的平均结温

结温是影响LED性能的重要参数,快速、准确地测量LED结温对LED产品设计、性能检测具有重要的意义。在不同驱动电流下,测量了GaN基白光LED阵列不同衬底温度时的归一化光谱分布,计算其质心波长,分析了质心波长随LED阵列平均结温变化关系,测量了LED阵列结温,并与中心波长法的测量结果进行对比。研究结果表明:经光谱仪测量,质心波长与平均结温变化存在良好的线性关系,且随着驱动电流的改变,直线斜率呈指数关系变化。与中心波长法相比,本方法的测量准确度更高。因此,采用质心波长测量GaN基白光LED阵列结温是一种直观的非接触的有效方法。

基于光谱分布特征参数的白光LED结温测量方法

基于光谱分布特征参数,设计了一种新型GaN基白光LED结温测量方法。该方法未考虑瞬时脉冲电流热效应,通过测量不同环境温度和瞬时脉冲电流下的LED相对光功率分布,分析光谱分布特征参数、驱动电流与结温之间的关联性。依据该关联性及实际工作时的光谱,即可求得结温。实验结果表明,与正向电压法和蓝白比法相比,本方法无需破坏产品结构就可更准确地测量LED结温。当GaN基白光LED功率为1W、脉宽为1ms时,平均误差小于1.5℃。

基于谱质心迁移的线损优化分摊方法研究

线损优化与分摊是我国电力市场改革中亟待解决的技术问题。提出一种基于谱质心迁移的线损优化分摊方法,以应对工业环境与模拟环境下线损优化分摊模型的领域适应性问题。首先计算各源领域与目标领域之间的电频谱相似度量(PFSSM),并据此将与目标领域最接近的源领域选为初始训练集,其次采用谱质心迁移模型剔除距离训练集谱质心均值较远的样本,并加入同数量的目标领域无标签样本,直至训练集谱质心均值与目标领域一致。最后基于我国某地区电力市场实际数据构造算例,试验结果表明通过计算源领域与目标领域之间的电频谱相似度量值,负载控制对线损优化分摊的影响小于线损分摊计算法则和母线运行方式。

融合KFCM及频谱质心的瞬时频率估计算法研究

基于时频分析和峰值搜索的瞬时频率估计方法对噪声敏感,结果误差较大。为降低噪声引起的瞬时频率估计误差,提出一种融合核模糊C均值聚类(KFCM)及频谱质心的旋转机械瞬时频率估计算法。依据不同信号分量能量的差异,采用核模糊C聚类的方法,对时频矩阵中的元素点聚类分析,去除时频面上能量噪声点和孤立点,在此基础上利用频谱质心算法,提取瞬时频率,进而估计转速。采用仿真实验对该方法进行验证,误差为0.5%,证明了该算法的有效性。用该方法对旋转机械加速过程中的振动信号进行分析,取得了明显的转速估计效果,误差为1.87%。仿真算例和应用实例表明该方法能实现对旋转机械振动信号的瞬时频率估计。

利用长短期记忆网络进行音乐流派的分类

针对传统的基于人工标注的文本音乐分类存在人工标注成本高,易于出错,没有涉及到音乐本身的内容的问题,提出了一种基于音乐内容的分类方法,将深度学习中的长短时记忆网络(LSTM)应用到音乐流派分类中。从包含10种音乐流派的1000首歌曲中提取出梅尔倒谱系数,频谱质心和频谱对比度三个特征,将提取出来的特征数据输入到LSTM网络中进行训练,输出每种音乐类别的概率。对此,进行了三次实验。第一次是将梅尔倒谱系数,频谱质心作为特征数据输入到LSTM网络中,第二次是以频谱对比度和频谱质心作为特征数据,第三次是将梅尔倒谱系数,频谱质心和频谱对比度作为特征数据。从实验结果上看,当梅尔倒谱系数,频谱质心和频谱对比度作为特征数据时,模型的分类效果最好,分类准确率最高。实验结果表明,该方法在准确率上比玻尔兹曼机和卷积神经网络等方法都有所提升。