不对称齿距偏差人字齿轮大周期的三维振动特性分析

为了揭示不对称齿距偏差对人字齿轮传动的影响,提出了一种不对称齿距偏差人字齿轮大周期的承载接触分析方法,得到人字齿轮副大周期的综合啮合刚度、轴向窜动量、综合啮合误差和左右侧斜齿轮副大周期的啮入冲击力。建立了不对称齿距偏差人字齿轮的动力学模型,对比了不同负载、不同转速下人字齿轮副的动态响应,分析了不对称的啮入冲击对左右侧斜齿轮副动态响应的影响。结果表明:不对称齿距偏差人字齿轮三维振动位移的频谱中,轴频成分最为明显,啮合频率及其倍频相对较小。端面振动加速度频谱中啮合频率及其倍频较为明显,且在啮合频率及其倍频两侧分布着一系列边频带。随着负载的增大,三维振动位移和三维振动加速度的频谱中,啮合频率及其倍频的幅值逐渐增大,而边频带成分的幅值逐渐减小。随着小轮转速超过共振转速,不对称的啮入冲击力对人字齿轮传动系统的三维振动加速度逐渐起主导作用,此时左右侧斜齿轮副的三维振动特性差别较明显。

一种基于Hilbert-Huang变换的基音周期检测新方法

利用Hilbert-Huang变换对语言信号处理中基于事件的基音周期检测问题提出了一种新的检测方法.该方法利用Huang等人1998年提出的具有高时频分辨能力的H ilbert-Huang变换分析语音信号,并提取其瞬时能量,通过精确定位声门脉冲发生的时刻,从而精确地跟踪基音周期的变化,达到精确检测基音周期的目的.与传统方法相比,其优点主要表现在:(1)不需要对语音信号作短时平稳性假设;(2)检测精度高,适应范围广;(3)具有跟踪基音周期变化的能力;(4)能精确区分清浊音;(5)与传统方法相比,帧长大大增加,因而,在提取连续语音信号的基音轮廓时,用于分帧和拼合的开销大大减少,帧间拼合痕迹小.仿真数据和实际语音信号检测实验均获得了相当精确的检测结果.最后,需要指出的是,H ilbert-Huang变换作为一种新的信号分析方法,被成功地用于提取语音信号的基音周期,这本身是一个有意义的探索,它为拓展H ilbert-Huang变换理论的应用给出了一个新的尝试.

基于声门闭合时刻估计的语音基音周期的提取

根据语音信号在声门闭合时刻（ＧＣＩ）的锐变特性，通过检测语音信号小波变换发生在ＧＣＩ附近的局部极大值的位置估计声门闭合时刻，两个相邻ＧＣＩ的距离为该段语音的基音周期，它的倒数即为基频Ｆ０．实验结果表明，采用本方法检测到的基音周期准确，能按基音周期及时反映它的迅速变化，且抗噪声性能强，还能可靠的判别清／浊音．

一种基于基音预测的信息隐藏算法

针对低速率语音编码问题,提出一种基于基音预测的信息隐藏算法。在基音预测编码过程中,采用控制基音闭环搜索的自适应码本搜索范围方法,实现秘密信息的嵌入,在进行语音压缩的同时完成信息隐藏。实验结果证明,该算法具有良好的隐蔽性,且计算复杂度较低。在编码标准G.729a中,秘密比特信息嵌入速率统计平均最高可达374.636 bit/s,PESQ恶化改变率在10.4%以内,检测正确率在66%左右。

语音基音周期检测方法

针对现有语音基音检测算法抗噪能力低的问题,利用多尺度连续小波对语音信号进行预处理。基于短时平均幅度差函数和短时自相关函数,提出一种语音基音周期检测方法,在确保运算量较低的前提下,获得准确结果。使用平滑算法消除倍频点、半频点和随机点产生的误差,实现基音曲线平滑。

基于ACF的基音检测改进算法

自相关函数法是基音周期提取中一种简单而有效的检测算法,针对传统的自相关函数法在低信噪比环境下鲁棒性较差的问题,提出一种改进的基音周期提取算法。该算法通过谱减法对语音信号降噪,随后进行端点检测,并提取元音的主体,在自相关函数的基础上进行改进,对元音主体及过渡区间进行基音检测。实验结果表明,该算法具有较高的准确率,与传统自相关检测算法相比,鲁棒性明显提高。

基于Matlab的语音信号自相关基音检测

自相关基音检测算法是语音信号处理的关键技术,算法的效率直接影响语音信号实时处理的质量。在对自相关基音检测算法基本原理进行分析的基础上,设计了 Matlab 算法实现方案,通过对一段具体语音时域信号采样值进行滤波、分帧、求短时自相关函数,得到了浊音语音的基音周期。试验结果表明,该算法结构简单,运算量小,效率高。

海面舰船目标ISAR最优成像时间选择算法

通过分析高海情下海上舰船目标的三维摇摆对成像的影响,基于方差定义的平均多普勒展宽概念,提出了一种逆合成孔径雷达(ISAR)最优成像时间选择算法。该算法根据目标距离向先验信息估计出舰船的固有纵摇周期,利用该周期隔离微多普勒效应的干扰,并为多普勒展宽曲线的平滑提供了可靠依据,使得算法整个过程无需人工干预。该算法易实现且运算量较低,适用于实时应用。仿真和实测数据的处理结果表明,利用本文算法筛选出的数据段获得了较理想的成像结果。

基于短时能量的循环AMDF基音检测算法

在语音识别优化问题的研究中,基音周期是语音信号的重要特征参数,准确提取十分困难。传统自相关函数(ACF)、平均幅度差函数(AMDF)等基音检测算法在基音周期提取中容易出现估计结果减半或者加倍的情况,导致检测结果准确率降低。针对上述问题,提出了短时平均能量和循环平均幅度差函数(CAMDF)相结合的基音周期检测方法。实验结果表明,改进方法在有效分离清浊音的基础上,加强了浊音基音周期所处采样点的谷值特性,减少了估计结果的半倍频错误,提高了基音周期估计精度,性能优于传统算法。

一种多小波滤波器在基音周期提取中的应用

基音周期是嗓音信号的重要特征参数之一,它在病态嗓音医学临床检测中有广泛的应用。推导了一组双正交多小波滤波器,提出了多小波滤波器与自相关结合的基音周期检测方法,构造了包含汉语拼音6个元音的短语句,利用多小波滤波器从语音信号中提取低频信号,再使用自相关法检测语音信号基音周期。结果表明,该方法提取基音周期具有正确率较高、准确率较高和抗噪性较强的特点,在不同噪声环境下均优于自相关法、单小波与自相关法相结合的方法,尤其在较大噪声干扰下该方法具有明显的抗噪能力,不受语音信号非平稳特性的影响,可以有效地提取病态嗓音的基音周期。

基于基音周期的语音MFCC参数提取

提出了一种可用于改善说话人识别效果的基于基音周期的可变窗长语音MFCC参数提取方法。基本原理是将原始的语音分解为当前基音周期整数倍长度以内部分及其以外部分,并保留前者舍去后者,以减小训练语音与测试语音的频谱失真。通过文本无关的说话人确认实验,验证了该方法能有效提高说话人确认的识别率,并能提高短时语音的稳定性。

小词汇量孤立词语音识别系统多种特征组合参数的选择方法研究

针对语音识别系统的多种语音特征参数进行了阐述,详细分析了语音特征参数中反映语音特性和说话人特征的美尔倒谱参数(MFCC)、差分美尔倒谱参数(ΔMFCC,Δ2 MFCC)、语音短时能量(Eg)以及语音基音周期参数(Ts)。在不同特征参数阶数下,将多种特征参数进行组合并将组合特征参数分别通过基于矢量量化(VQ)算法的语音识别系统进行验证,实验结果表明,在小词汇量孤立词语音识别系统中,基于MFCC、ΔMFCC、Eg和Ts的组合特征参数既能够较好的反应语音的动静态特性又对不同说话人的语音具有良好的区分度,为语音特征参数的研究提供了重要参考。

语音信号实时传输中的动态变长分帧算法

本文给出了一种动态的变长语音分帧算法 ,此算法以分析语音信号的时域特性为基础 ,利用音节之间存在空隙这一特性 ,基于对语音信号中不同性质的音段的分布特性分析 ,通过动态的阈值调整来实现动态的变长分帧 ,算法简单快速。实验证明 ,这一算法能够针对背景噪声的变化 ,动态调整语音的分帧长度 ,从而满足实时传输的需要。

基于Hilbert-Huang变换的语音合成基音标注搜索新算法

在TD-PSOLA语音合成系统中,基音标注的准确性是一个非常重要的因素。针对传统的短时自相关函数和小波算法准确性不高和没有自适应性的缺点,提出一种基于Hilbert-Huang变换的基音标注方法。该算法通过Hilbert-Huang变换分析语音,具有自适应性,根据自身情况选择基函数,分解过程满足条件自动停止。采用文中自适应算法对整段非平稳语音信号进行基音标注,其中浊音段、过渡段采用Hilbert-Huang变换进行标注,清音段、非语音段用相近基音周期插值。实验证明,相比自相关方法、小波方法,文中算法反映了一帧内准周期的细微变化,适应性较好。对于频率不同的男声和女声,准确度可达到90%以上。

多语音特征参数的端点检测方法研究

为了提高语音端点检测算法的鲁棒性,提出了一种在不同信噪比下采用不同语音特征参数的端点检测算法。对含噪语音进行基于背景噪声能量估计的信噪比估计,根据估计的信噪比大小选择不同的特征参数来进行端点检测,在高信噪比下采用传统的语音短时能量和过零率,在低信噪比下采用基音周期、高频与全频带能量比和谱失真,即算法能根据信噪比的大小来自适应调整检测方法。实验结果表明,该方法具有良好的鲁棒性,在不同的信噪比下检测的准确率都很高。

在噪声环境下的分级说话人辨识

将小波变换与维纳滤波结合起来对语音进行去噪.为了提高系统的鲁棒性和辨识率,在采用分级说话人辨识的基础上,将基音周期的高斯概率密度对GMM分类器的似然度进行加权,形成新的似然度进行说话人辨识.实验结果显示,所提出系统的鲁棒性和辨识率都有所提高.

基于线性预测和小波变换的语音基音周期检测新算法

将小波变换与语音信号短时线性预测（LPC）及自相关函数相结合，得出了清、浊音判决及基音周期检测的新算法，实验结果表明该算法性能良好．

基于语音情感计算的情绪识别电路研究与设计

研究利用人类语音相关特征参数会随人类情绪波动的特点,设计一种能够通过语音识别进行语音情感计算,从而分析出人的情绪变化的电路。根据语速变化时汉字的浊音部分基音频率也会发生变化,且浊音部分语音具有基音周期的特点,综合设计出能根据语音信息进行情感计算的硬件电路系统。设计过程中利用Matlab处理与分析语音信号,使用Multisim进行电路的仿真。电路充分考虑了信号处理各个模块的鲁棒性,能有效捕捉、判断人的情绪状态并通过报警装置进行情绪提醒,为后续医学信息相关实验的开展提供了硬件基础。

基于自相关函数的钢琴乐音改进识别算法

在传统三电平削波结合自相关函数识别算法的基础上,经过准确的音频分割后,提出了帧移法提取乐音基音信号。该算法能在更精细尺度上寻找最大自相关函数,进而准确定位基音位置,较好地解决了传统算法中当乐音节奏较快时,无法区分半频和倍频对基音的影响,从而导致的识别率低的问题。实验表明,本算法对于节奏快慢不同的钢琴乐音的平均识别率约为83.0%,且快节奏乐音的识别率较传统算法高出20.2%,因此该方法对乐音识别尤其对快节奏乐音识别有显著效果。

基于小波变换的语音信号基音周期估计

基音周期是语音信号最重要的参数之一,是进行语音信号数字处理的基础.小波变换具有良好的时频分辨率,为语音信号基音周期提取提供了新的途径.基于小波变换及其多尺度边缘检测的基本特性,阐述了语音信号基音周期估计的原理、实现方法、算法流程;并给出了实验结果.实验表明:该方法可以实现大动态范围的语音信号基音周期估计计算,并可获得满足实用的较为精确的结果.