基于改进MFCC与IMFCC的心音分类研究

心音信号的研究有助于先天性心脏病的早期辅助诊断。提出一种对先天性心脏病心音分类的新方法:对每例心音截取2秒作为样本;用经验模态分解、多正弦窗、幂函数压缩法对MFCC与IMFCC进行改进,并用改进后的MFCC与IMFCC分别提取心音样本相应频率系数,并计算各自的一阶差分作为融合特征。分类模型选用两层CNN网络。对5000例样本训练测试的二分类准确率为0.921,灵敏度和特异度分别为0.898、0.944;F1和AUC分别达到了0.919与0.958。上述法有望用于先心病机器辅助诊断。

冲击响应谱时域合成算法研究

为利用电动振动台进行模拟冲击环境试验,给出了一种时域冲击波形合成方法。依据冲击响应谱时域合成的一般原则,选择合成小波中的正弦窗波作为基本波形,给出了确定各基本波形的波形参数的方法。计算结果表明所提算法是有效的,所合成的时域冲击波形能够满足参考冲击响应谱的精度要求,为开发冲击谱试验的控制软件研究者提供了一种思路。

冲击响应谱时域合成算法研究

为利用电动振动台进行模拟冲击环境试验给出了一种时域冲击波形合成方法。依据冲击响应谱时域合成的一般原则,选择合成小渡中的正弦窗波作为基本波形,给出了确定各基本波形的波形参数的方法。计算结果表明本文所提算法是有效的,所合成的时域冲击波形能够满足参考冲击响应谱的精度要求,为开发冲击谱试验的控制软件研究者提供了一种思路。

用DFT分析正弦信号频谱时应注意的几个问题

从 DFT谱失真原因出发 ,分析了信号加窗和 DFT频域采样点数对 DFT谱的影响 ,指出了决定 DFT谱分辨率的主要是信号长度 ,即窗长度 ;在窗长度一定的情况下 ,窗类型也有影响 .而 DFT变换点数则决定 DFT谱与信号的

与文本无关的说话人辨认系统中一种新的使用基音周期方法研究

研究了与文本无关的说话人辨认系统中一种新的使用基音周期方法。在说话人辨认系统中将矢量量化 (VQ)、高斯混合模型 (GMM)分类器结合 ,使用升正弦窗函数加权的线性预测倒谱系数 (LPCC)。在训练时为训练集中的每个说话人估计一个一维高斯形式的基音周期概率密度函数 ;在识别时 ,将测试语音中提取的基音周期在训练集说话人基音周期概率模型中得到的基音周期概率密度对VQ、GMM分类器的似然测度加权 ,形成新的似然测度。实验结果表明 ,使用新的似然测度进行与文本无关的说话人辨认比VQ、GMM分类器的辨认率有较大的提高 ,码字个数为 8,测试时间为 8s时 ,辨认率相对VQ提高约 13%。

一种基于迭代抑制谱泄漏的改进相位差算法

由于非同步采样所带来的频谱泄漏效应是影响相位差算法电参量测量精度的主要原因,利用高阶窗的旁瓣特性可抑制频谱泄漏,但二次谐波幅值的估计精度仍难以显著提升,并且由于高阶窗所带来频率分辨率损失的原因,通常需要增加待测信号的采样窗长,不利于频率波动和实时性要求较高的场合实现高精度测量。为此,提出一种加sine窗函数的改进型相位差算法,利用峰值谱线间相位差估计出的相对频偏,计算出除被测谐波分量之外的其他分量的长程谱泄漏对峰值谱线的干扰之和并将其减去后,重新利用其峰值谱线间的相位差计算相对频偏,循环迭代估计。基于该方法,与现有加窗相位差算法分别在无噪声、有噪声以及频率波动环境下进行仿真比较。实验结果表明,该方法迭代矫正计算4次即可,能有效抑制频谱泄露效应,减小估计偏差,提高电网电参量测量精度和实时性,能够满足电网测量需要。

正弦积分拟合的图像复原边界振铃效应抑制方法

目的边缘振铃效应是影响运动模糊图像复原效果的重要因素之一。为了有效提高运动模糊图像复原的质量,针对运动模糊图像复原中由于图像边界截断而产生的振铃效应问题,提出一种正弦积分拟合的图像复原边界振铃效应抑制方法。方法首先,对待处理的模糊图像根据模糊核的大小进行边缘延展;然后,分别利用正弦函数积分方法和双正弦函数积分方法对单向过渡区域和双向过渡区域进行窗函数计算;进而,将延展图像进行加窗处理;最后,对加窗图像进行复原处理并提取出原始图像的部分作为复原结果。结果与现有的几种振铃效应抑制算法进行对比实验。在视觉效果方面,本文方法能有效抑制振铃效应;在峰值信噪比(PSNR)、归一化均方误差(NMSE)以及图像质量指数(Q)等图像质量评价指标方面,本文方法的PSNR值比最优窗算法提高了约0.170.76 d B,NMSE值比最优窗算法降低了约0.000 5 0.000 7,Q值比最优窗算法提高了约0.023 0.029,本文方法在多数情况下得到的评价指标优于循环边界法;在耗时方面,本文方法对非迭代恢复算法的处理时间比循环边界算法降低了约0.04 0.11 s,对迭代恢复算法处理时间减少达到数秒。结论通过大量实验发现,正弦积分拟合的图像复原边界振铃效应抑制方法在进行振铃效应抑制时,能有效控制计算量,且能完整地保留图像的边缘信息,图像恢复效果明显优于其他方法。