基于组合优化算法的致动器安装位置与间隙优化设计

针对小口径火炮连续发射时的射击精度问题,基于使用以超磁致伸缩材料为核心的致动器对身管的振动抑制展开研究。基于最优拉丁超立方设计方法,开展了DOE试验设计,以身管振幅和致动器受力为目标函数,以致动器安装位置和致动器与身管的间隙为设计变量,采用多岛遗传算法与修正可行方向法形成组合优化算法,使用Isight多学科优化软件对近似模型进行了优化计算。优化后致动器受力降低了88%,同时身管振动幅值降低了52.1%。与仅使用全局优化算法相比较,使用组合优化算法得到最优解时迭代次数减少了47.6%,证明了多岛遗传算法与修正可行方向法形成组合优化算法具有较高的优化效率。

OM-LSA和小波阈值去噪结合的语音增强

针对OM-LSA(optimally modified log-spectral amplitude estimator)算法产生的残留噪声,提出了一种结合OM-LSA和小波阈值去噪的语音增强算法。首先,进行语音对数幅度谱估计;然后,估计残留噪声,利用带噪语音第一级小波系数和语音不存在时的增益函数进行估计,解决了常规方法对增强后语音噪声估计不准确的问题;最后,在小波域利用软阈值法对语音信号进行阈值处理。实验结果表明,提出的算法有效地去除了OM-LSA算法中的残余噪声,在分段信噪比(segmental signal-to-noise ratio,SegSNR)和对数谱失真(log-spectral distortion,LSD)等指标评价上有较大的提高。

利用信号功率谱密度的麦克风阵列噪声消除方法

本文研究了一种在背景噪声和干扰噪声存在的情况下基于麦克风阵列的噪声消除方法,其具有准确的指向性。波束形成可以更好地获取指定方向的增强语音及抑制其他方向的噪声的效果。而现已存在的波束形成的方法处理后,增强之后的语音仍然会存在部分的干扰噪声。针对这样的问题,本文提出了一种利用信号功率谱密度比值的广义旁瓣消除波束形成方法来进一步实现对背景噪声和干扰噪声的抑制。此外,本文还进一步利用深度神经网络的方法,通过训练多目标函数下的掩蔽值结合最优改进对数谱幅度,再利用后置滤波从而更高效地对残留干扰噪声进行消除。最后,本文通过对比实验,比较了不同的基线方法,更好地验证了所提出算法的有效性。

飞机驾驶舱噪声环境下的飞行员语音端点检测

为在飞行驾驶舱噪声环境下准确判定飞行员语音端点,提出一种鲁棒语音端点检测方法。使用最优改进对数谱幅度估计语音增强算法进行初步语音降噪,通过Teager能量算子进一步滤除残余噪声,并将降噪后语音短时能量与子带谱熵的比值作为双门限判决参数,检测飞行员语音起止点。实验结果表明,与基于能量参数或频谱熵参数的语音端点检测方法相比,该方法能有效提高检测正确率。

改进TF-GSC和改进后置滤波语音增强算法

由于声学环境中噪声的复杂性和不确定性,传统的多通道语音增强算法对于噪声的抑制效果不足,从而导致了较差的听觉体验。针对这一问题,提出了一种改进TF-GSC和改进后置滤波语音增强算法。算法使用最大似然法得到目标语音信号和噪声信号的功率谱密度,然后使用信号功率谱密度比值得到的变步长归一化最小均方算法来改进TF-GSC。还提出了联合信号功率谱密度比值和先验信噪比估计语音存在概率的改进最优修正对数幅度谱估计器。不同信噪比环境下的仿真实验表明,本文提出的算法可以有效地滤除相干噪声和非相干噪声,与其他算法相比,增强后的语音信号具有更高的信噪比和语音质量。

最优改进对数谱幅度估计与小波结合的心音降噪

小波阈值降噪为心音降噪的一种常用方法。本文提出了使用最优改进对数幅度谱估计与小波阈值降噪相结合的方法对心音降噪。在正常心音和一些常见疾病的心音中加入不同强度的白噪声和粉红噪声,构造不同信噪比的心音信号,并将本文所提出的方法和仅用小波阈值降噪方法的去噪效果进行了定量的对比。结果表明本文方法降噪效果总体优于仅使用小波阈值降噪达到的效果。

基于改进萤火虫算法的船舶装卸作业稳性研究

为解决系泊船舶装卸作业工况下存在的失稳问题,提出一种基于改进萤火虫算法的系泊船舶装卸作业稳性分析方法。以某船舶横摇倾角数据为研究样本,利用MFA求解最优横摇运动模型,改进了步长向量和步长更新算法。根据最优模型参数计算初稳性高,分析系泊船舶装卸作业下的稳性安全。仿真实验表明:基于MFA的横摇运动优化模型具有很好的仿真精度,半载条件下拟合数据与实际数据决定系数为0.9722,满载情况下为0.9841,能利用半个周期的倾角数据量准确预测横摇运动状态,为系泊船舶装卸作业的稳性监测提供了解决方案和研究方向。

噪声动态估计下的心音降噪

针对基于小波分析和经验模式分解的降噪方法本质上不能追踪并消除噪声且容易造成心音失真的问题,本文提出了一种融合改进最小值控制递归平均和最优修正对数谱幅度估计的心音降噪方法。该方法采用短时窗平滑动态追踪、估计噪声最小值,并将噪声估计用于获取最优频谱增益函数,通过最小化干净心音与估计的干净心音的差异来最大限度地抑制噪声。此外,结合心音时频图主观分析和对正常与异常心音分类系统贡献性的客观分析,提出了一种更为严格的评价机制。实验结果表明,本文提出的方法有效地改善了心音信号的时频特征,并在正常与异常心音分类系统中获得了更高的评分。本文提出方法能够帮助医务工作者提高听诊的准确性,对计算机辅助诊断系统的构建与应用也具有十分重要的参考价值。