听觉模型输出谱特征在声目标识别中的应用

利用模拟人耳声信号处理过程的CcGC滤波器组模型,研究了听觉特征应用于声目标识别相比传统特征的优势。结果表明:当信号的信噪比下降时,听觉特征逐渐表现出更好的性能,体现了听觉系统优异的抗噪声能力。随后,本文从CcGC滤波器组模型所反映的听觉系统四个主要特性入手,通过仿真实验研究了耳蜗抑制噪声的机理,结果表明听觉系统的临界带划分和非线性压缩在耳蜗抑制噪声中起着关键的作用。     

基于线性预测倒谱的被动声纳目标特征提取技术

从声纳员的角度出发,被动声纳目标可以被看作为一个发声体,利用线性预测倒谱从声纳目标噪声中分离出目标作为发声体的冲激响应在倒谱域中的表示,提取一组识别特征,设计神经网络分类器,对三类目标进行分类。实测数据验证了基于线性预测倒谱的被动声纳目标特征提取方法是可行的。     

最小方差无失真响应感知倒谱系数在说话人识别中的应用

研究最小方差无失真响应感知倒谱系数在说话人识别中的应用。提取最小方差无失真响应感知倒谱系数,对其进行高斯混合模型建模并采用联合因子分析的方法来拟合高斯混合模型中的说话人和信道差异,在美国国家标准技术研究院2008年说话人识别评测核心测试集上分别对最小方差无失真响应感知倒谱系数和传统的Mel频率倒谱系数进行测试。结果显示,两种不同特征的系统性能相当,采用线性融合方法后,在不同测试集上的等错误率相对下降了7.6%~30.5%,最小检测错误代价相对下降了3.2%~21.2%。实验表明,最小方差无失真响应感知倒谱系数能有效应用于说话人识别中,且与传统的Mel频率倒谱系数存在一定程度的互补性。     

利用倒谱方法实现气声发育的重建

本文介绍了一种利用复倒谱来实现气声发音重建的方法,首先分析了气声发音的语音特征;进而在复倒谱序列中加入基频率特征其恢复到正常的语音,对元音（ａ）以及实际语音段进行了处理。均有较好的效果。     

利用倒谱方法实现气声发育的重建

本文介绍了一种利用复倒谱来实现气声发音重建的方法。首先分析了气声发音的语音特征;进而在复倒谱序列中加入基频特征使其恢复到正常的语音。对元音［a］以及实际语音段进行了处理,均有较好的效果。     

倒谱在混合模糊图像分析中的应用

降晰参数识别在模糊图像恢复过程中具有很重要的作用。在各种图像捕获系统中,有两种形式的图像模糊比较常见:一种是由光学系统散焦造成的散焦模糊;另一种是物体与照相机之间的相对运动造成的运动模糊。相对单个模糊模型的参数识别来说,混合了散焦和运动模糊的图像,其模糊参数的识别要复杂得多。许多识别方法一般都是用来分析某一特定的模糊模型的,而对两种模糊混合在一起的情况来说是很难区分的。提出了一种倒谱分析方法,在倒谱域同时对这两种模型参数进行识别。在分析过程中,仍需要利用这两种模糊模型在频域的特征,首先应用一些调整性的变换,然后再转换到倒谱域,以便更准确地评估模糊参数。     

连续隐马尔科夫模型在多基地目标识别中的应用*

多基地声纳组网探测系统是目前大范围水下安保领域的研究热点。综合利用多基地系统中各个声纳节点的信息进行水下目标识别是亟待解决的问题。利用传统的多传感器融合的方法进行多基地水下目标识别,往往忽略了各声纳节点之间的相关性,效果并不理想。针对这一问题,本文提出了利用连续隐马尔科夫模型(CHMM)进行多基地水下目标识别的方法。首先利用RELAX算法提取了目标在不同分置角上回波的强散射点特征,组成观测向量,利用Baum-Welch方法对CHMM参数进行训练,然后计算待识别目标的特征值观测序列在不同模型下的似然概率。对所有目标重复此过程,取概率最大值对应的目标类别为最后的识别结果。在消声水池开展多基地模拟实验,对四类目标进行了识别,利用CHMM方法得到的多基地水下目标融合识别率比多基地声纳下单声纳节点的最高识别率提高了30%。     

基于相位信息的边缘检测在目标识别中的应用

在分析利用相位信息进行图像边缘检测原理的基础上,探讨了基于小波域相位信息的边缘检测方法,并将其应用到环境光强变化的目标识别系统中。该算法不需要设定阈值即可对目标边缘进行可靠的检测。实验结果表明,基于相位信息的边缘检测算法受图像的光照和对比度的影响小,在不同光照度的环境下具有良好的目标识别能力     

基于改进噪声估计的谱减法应用于说话人识别

针对语音信号中存在加性噪声使MFCC的鲁棒性和识别系统的性能下降的问题,基本谱减法的引入在增强MFCC抗噪性上取得的效果有限,为了使MFCC具有更好的抗噪性,提出了一种改进算法,在谱减法的基础上引入谱熵的思想,利用谱熵值的分布逐帧进行噪声估计,可更精确地谱减去噪;实验结果表明,当语音中含有加性噪声时,与基本谱减法相比,改进谱减法的说话人识别系统抗噪性与鲁棒性更好。     

静态傅里叶干涉具在目标识别中的应用研究

设计了基于静态光谱分析的目标识别遥测方法。针对机械扫描式干涉方法结构复杂、稳定性差、主动监测隐蔽性差等问题,采用静态遥测技术取代机械扫描光程,应用光谱分析方法,对大范围视场内进行光谱探测,从而在恶劣的环境中实现了目标识别。经仿真计算,得到温度、波长及空气透射率与光谱辐亮度之间的函数关系。采用AViiVA-M2型CCD相机、静态傅里叶干涉具、1 m×1 m的铁板作为待测目标等做相关实验,分别在一天中不同时间、不同探测距离、不同背景的条件下,得到了各种情况下整个系统的探测极限位置。通过实验数据及计算结果表明,静态干涉方法应用于目标识别是可行的,由差谱特征反演得到的目标识别平均概率达到92.8%。