冲击阻尼板的尺寸辨识与声线索提取

针对冲击板的物理属性辨识问题,研究了尺寸辨识的恒定声线索提取及其在听觉感知中所起的作用。设计并完成了三组主观评价实验,实验1分析了录音和合成声作为声刺激对尺寸辨识的影响。实验2和实验3分别针对铝板和木板的冲击声,通过不相似主观评价实验获得尺寸辨识的感知空间和对应力学空间维度,计算了不同声特征的信息精确度。最后,对比实验2和实验3的结果给出了尺寸辨识的恒定声线索,根据声线索与感知结果的相关性分析了听者的尺寸感知策略。结果表明,听者利用录音和合成声均获得了较好的尺寸辨识结果,且听者趋向于利用与尺寸有关的恒定声线索来完成感知任务,而忽略那些容易受其他声源属性影响的声信息。      

水下噪声听觉属性的主观评价与分析

为探求人耳感知水下目标类型的声学因素,研究了水下噪声听觉属性空间的维度数及其各维度的物理解释.首先通过词汇聚类分析和问卷调查确定评价水下噪声听觉属性的汉语描述词,然后完成基于成对比较法和语义细分法的主观评价实验,获得听觉属性的不相似性矩阵及各样本在不同听觉属性下的主观评价分值.最后,利用多维尺度分析确定水下噪声听觉属性空间由五个维度组成,再利用主成分分析得到独立的五个主成分,进而利用相关系数和压力值确定五个主成分分别表示听觉属性空间的五个维度,根据各个主成分对应的汉语描述词所反映的听觉属性对其进行物理解释 关键词： 听觉属性 多维尺度分析 主成分分析     

基于平板冲击声的声源特性表征及自动识别*

以平板结构导纳函数为纽带,建立冲击声信号特征与声源特性之间的关联,获得与声源属性密切相关的特征用于目标分类。针对四边简支矩形被击板,借助信号参数识别算法获得与声源物理属性有关的6维导纳特征,并从冲击声样本中提取80维音色特征,将音色特征和导纳特征做相关性分析,获得与声源物理属性相关的信号特征集。利用BP神经网络进行分类,结果表明,当采用与特定声源物理属性相关的信号特征子集时,分类效果达到同组最优。     

水中目标窄带噪声识别的听觉外周模型

为解决听觉外周模型特征在具有工程背景的水中目标声信号分类研究中识别率下降问题,提出了一种外周模型Gammatone滤波器组修正方法,获得的窄带噪声特征可明显提高水中目标识别性能。首先,分析了识别率下降原因,发现声学工程应用中多通道数据采集,导致信号频率范围变窄,而引起声信号的时频特征发生变化。其次,根据听觉模型用Gammatone滤波器组模拟人耳基底膜频率分解特性、低频信息包含水中目标噪声信号的重要类别特征,对原有的听觉模型特征进行插值,对滤波器组的通道数与中心频率进行适应性修正,得到目标噪声在较窄频带的27维特征,修正后的模型能够更精细地反映出目标时频特性。最后,采用神经网络分类器进行实验。结果表明,修正后的听觉模型保留了原较宽频带特征的主要信息,而且进一步提高了对实际目标的分类能力,识别率由原来的82.59%提高到88.80%。本文提出根据工程应用平台的有效接收频带优化听觉外周模型Gammatone滤波器组的设计,采用阵元级的多通道数据进行分析,侧重于工程应用,解决了多通道数据采集中,由于频带变窄,导致信号的特征信息量下降,进而引起声特征识别性能下降的问题,修正后的听觉模型特征,有效地提高水中目标辐射噪声的识别效果。本文对从事无源声呐目标识别、有源声呐目标识别、带宽受限的多通道声数据采集的时频特性分析研究人员具有一定的参考价值。      

基于听觉中枢模型的水下噪声音色表达与特性分析

为建立水下噪声音色特征的定量表达以用于目标识别, 本文将主观评价实验获得的 4个本质音色维度得分与声音的听觉中枢响应建立联系, 得到音色的偏最小二乘回归模型, 并基于回归系数对每个维度进行物理分析. 为验证该方法的有效性, 本文提取大量音色描述符作为自变量进行对比, 结果表明听觉中枢模型预测能力有一定优势. 同时发现, 前 3个本质音色维度可分别由高频能量比例、谱平坦程度和时域连续性描述, 而第4 维度则无法与任何声学特征建立联系. 关键词： 本质音色 听觉中枢模型 偏最小二乘回归 音色描述符     

感知线性预测在水下目标分类中的应用研究

提出了基于感知线性预测(PLP)的模仿人耳听觉特性来提取水声信号鲁棒特征的方法。运用听觉心理学的三个概念: (1)临界带谱分析、(2)等响度曲线、(3)强度响度听觉幂率,形成估计听觉谱的方法,可获得一个12阶全极点模型的鲁棒特征矢量。运用这一特征矢量进行训练和识别的实验结果表明:(1)在不同的频率段内,人耳对6类目标辐射噪声信号敏感程度是不同的。(2)提取的基于听觉感知水下目标特征具有鲁棒性。(3)通过此方法提取的特征维数较低,运算速度快,识别的正确率比以往有所提高。     

听觉通道语音冲突大脑皮层电位的听觉认知控制特征提取方法

认知心理学发现,视觉、听觉接收到信息有冲突时,大脑皮层电位会发生扰动,由此可探索认知冲突控制的“刺激-反应”机制。视觉认知冲突实验较多,成果丰硕,而相应的听觉实验很少,并且得到不一样的结论。本研究利用冲突和非冲突的语音信号刺激,分析研究脑电信号,提出基于三阶段听觉认知控制的时域特征模型。研究人脑听觉通道在出现语音认知冲突时的认知控制的规律下的单次试验脑电数据特征提取方法。根据得到的认知规律,单次试验脑电样本被分成3个部分。被分割的每个阶段使用时域上的平均幅值和Lempel-Ziv复杂度(LZC)进行计算,从而联合3个阶段的特征作为听觉认知脑电样本的特征。结果表明:(1)先发现的认知冲突相关的混合脑电成分“N1-P2&N2&Late-SW”分别体现了听觉认知控制的3个阶段;(2)一个更完整的听觉认知控制过程应包括3个阶段的时域特征:感知阶段:110~140 ms,识别阶段:260~320 ms,解决阶段:500~700 ms;(3)提出针对单次听觉认知控制脑电样本的特征提取方法,联合使用平均幅度和LZC可以获得最好的识别率(99.33%)。实验结果证明了提出的方法能够有效地检测听觉认知控制脑电数据,进而提供人脑认知控制能力评价的声学方法。      

听觉感知中的噪声特性语义描述及其分析

基于听觉感知的噪声语义描述是噪声声品质研究的基础性问题,已有研究未将语义描述与噪声来源、频谱特性以及产品运行状态等物理信息联系起来。该文分别针对飞机舱内噪声、车辆噪声和空气净化器噪声这3组典型噪声开展了主观评价实验,并通过多维尺度分析和主成分分析描述了3组噪声的语义空间,系统分析了不同类型噪声的描述词,同时解释了描述词与噪声物理属性之间的联系。研究发现：飞机舱内噪声、车辆噪声以及空气净化器噪声可以由4维、4维和3维语义空间进行描述;不同类型噪声在语义描述中具有共性与个性,3组噪声语义的主要维度均与嘈杂感相关,而噪声的个性描述词与其声源的物理属性密切相关;进行声品质建模及应用时,应同时考虑噪声共性和个性描述词对听觉感知的影响,采取有针对性的措施以提升产品声品质。该文从听觉感知的角度进行了噪声特性的语义描述和分析,研究结果可为产品声品质以及噪声控制研究提供帮助。     

几类典型环境声的主观评价及感知特性分析

近年来,通过“注入”调控声以降低交通噪声烦恼感的声频注入法受到广泛关注。以交通噪声调控研究为背景,通过成对比较评价了4类典型声音(实验一)和4类典型交通噪声(实验二)的烦恼感。结果表明,有调声(纯音和复音)烦恼度最高,自然声最低(海潮声最佳),蓝色噪声是仅次于海潮声令人感觉舒适的声音;被试对交通噪声和白噪声的评价存在明显的分类偏好。分析心理声学特征发现人对声音的感知依赖于多方面因素,但声刺激的某一因素(如粗糙度或音调特别高)特别突出则会引起极大的反感。构建不相似度二维感知空间,维度1反映了声音类型间的差异,维度2表征了被试对不同类型声音的烦恼度评价;并且通过相关分析发现它们与谱结构参量相关性较强。接下来的研究中,可以通过调整交通噪声的谱下降值和时域上升时间等参量使其谱结构更接近于自然声,从而降低噪声烦恼度。     

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。      

基于仿生特征模式匹配的海洋动物声信号识别*

针对小数据量的海洋动物声信号混合识别,将声信号同态分析过程中的线性频率转换为Mel频率,得到模拟人耳听觉特性的Mel频率倒谱系数作为声信号的特征。按照声信号所属的物种建立特征模板,使用动态时间规整算法对待识别特征进行分类识别,并对特征库和识别算法进行优化。分别提取了6种鱼类、3种虾类、12种鲸类的Mel频率倒谱系数,为每个物种建立特征模板。分3次对3种、5种、6种鱼类进行识别,分别获得了100%、96.25%、94.68%的识别率。对6种鱼类、3种虾类、12种鲸类共21个物种进行混合识别,总识别率由87.56%提升至优化后的88.96%。实验结果表明,基于Mel频率倒谱系数和动态时间规整算法的海洋动物声信号混合识别能够在小数据量时获得较高的识别率,优化后的特征库和识别算法能够提升识别率。     

骨导超声听觉感知进展与研究*

骨导超声听觉感知是超声振动通过头骨传导产生听觉感知的一种特殊现象。本文首先介绍了骨导超声听觉感知研究领域的国内外发展现状,在此基础上设计了一套骨导超声听觉感知测试系统,并完成了系统的软、硬件平台实现。利用该系统,分别对听力正常和听力障碍被试者进行了主观测试,围绕单频超声感知效果及单频可听声、汉语语音由超声载波调制后的感知效果开展研究,比较了多种不同调制方式下的主观感知效果,并分析了空气传导声对实验结果的影响。     

车辆噪声烦恼度的音色表达

烦恼度作为评价噪声对人影响的重要指标,受到广泛重视并获得应用。通过主观评价实验和数据统计分析,从音色角度对城市典型车辆噪声烦恼度进行建模并给予物理解释。研究发现:(1)车辆噪声烦恼度音色空间由四个维度构成;(2)利用多元线性回归方法给出的车辆噪声烦恼度模型与声样本烦恼度拟合较好;(3)烦恼度空间维度与特定频谱特性具有较高的相关性。研究结果为车辆噪声烦恼度建模及降噪设计提供了新的思路。      

水下噪声音色属性回归模型及其在目标识别中的应用

通过对声音的主观评价与客观分析而建立的主观感受数学模型,在许多领域都有重要的应用. 本文采用多元线性回归分析手段对水下噪声音色属性建立回归模型,提取音色特征并改善水下目标的识别效果. 首先,在前期水下噪声音色属性主观评价实验的基础上,将构成音色属性空间的5个成分的评价分值作为回归分析中的因变量,提取大量与听觉感知相关的听觉特征作为自变量;然后,通过相关分析和改进的逐步筛选法,挑选出反映音色属性的“最优”自变量子集;最后,利用向后剔除回归分析和水下目标识别实验,确定适当的音色模型,并通过假设检验证明该线性模型不仅正确有效,而且能改善水下目标识别效果.     

水下无源声呐目标听觉域张量特征提取方法

特征提取是水下无源声呐目标分类识别的关键步骤,提出了一种基于听觉Patterson-Holdsworth耳蜗模型的听觉域张量特征提取方法。将耳蜗模型的滤波器冲激响应视为信号分解的基函数,根据听觉模型非线性尺度或常规线性尺度确定不同通道的中心频率,然后计算出相应通道的增益和带宽,并量化冲激响应的阶数和相位参数,得到信号分解基,再根据信号分解原理得到通道数×阶数×相位数的三阶张量特征,并通过计算测试样本张量特征与训练样本张量特征间的相似性实现了水下无源声呐目标的分类识别。海上实录无源声呐目标的分类识别实验表明,提取的张量特征具有比较好的分类识别性能,听觉模型等效矩形带宽尺度优于线性尺度划分中心频率,能够提高无源声呐的目标指示能力。      

水下噪声音色属性回归模型及其在目标识别中的应用

通过对声音的主观评价与客观分析而建立的主观感受数学模型,在许多领域都有重要的应用. 本文采用多元线性回归分析手段对水下噪声音色属性建立回归模型,提取音色特征并改善水下目标的识别效果. 首先,在前期水下噪声音色属性主观评价实验的基础上,将构成音色属性空间的5个成分的评价分值作为回归分析中的因变量,提取大量与听觉感知相关的听觉特征作为自变量;然后,通过相关分析和改进的逐步筛选法,挑选出反映音色属性的“最优”自变量子集;最后,利用向后剔除回归分析和水下目标识别实验,确定适当的音色模型,并通过假设检验证明该线性模型不仅正确有效,而且能改善水下目标识别效果. 关键词： 音色 多元线性回归 主观评价     

基于听觉模型的耳语音的声韵切分

本文分析了耳语音的特点，并根据生理声学及心理声学的基本理论与实验资料，提出了一种利用听觉模型来进行耳语音声韵切分的方法。这种适用于耳语音声韵切分的听觉感知模型主要分为四个层次：耳蜗对声音频率的分解机理；听觉系统的时域和频域非线性变化；中枢神经系统的侧抑制机理。这种模型能反映在噪声环境下人对低能量语音的听觉感知特性，因而适于耳语音识别，在耳语音声韵母切分实验中得到了满意的结果。     

基于光谱信息的空间目标模式识别算法研究

在观测空间目标时,往往会受到地基观测仪器等因素的制约,导致无法利用目标图像信息从外形上进行识别。根据不同空间目标表面组成材料不同,其产生的反射光谱会存在差异这一特性,可利用空间目标特有的光谱信息进行识别分类。基于此,从光谱学角度对空间目标识别算法进行研究,在K最近邻算法(KNN)的基础上,采用了一种自适应权重局部超平面方法(AWKH),算法主要在计算预测样本与超平面距离时加入对特征权重的考虑,构建了以样本特征组间差与组内差的比值作为特征权重值的超平面模型,从而提高了分类效果和分类效率。为验证算法的分类效果,本文进行了四组验证实验,第一组实验将美国地质勘探局数据库中提取出的九种常用材料光谱随机选出三种混合成多类进行识别;第二、三组实验将四种常用空间目标材料的光谱作为纯物质光谱,分别从可见光和近红外波段对其混合物质进行分类;第四组实验通过实测四个方形模型样本六个面的光谱对其进行识别分类。实验过程中将实验结果与目前常用的支持向量机(SVM)进行对比,对比结果表明改进后的AWKH算法在识别精度和样本适用范围上具有更高的优越性。     

节律性时间期待和空间期待对听觉目标辨别的影响

合理的推断和预期是加快辨别听觉目标的关键。通过听觉目标辨别的反应时任务,研究了听感知过程中节律性时间期待和空间期待对声音目标辨别的影响。实验中,听觉序列中各声音以规律或不规律的时间节奏、沿有序或随机的空间方位呈现,形成四种期待条件:时间和空间期待兼备、只有时间期待、只有空间期待和没有期待。被试对声音序列末尾随机呈现的听觉目标尽快做按键反应。结果发现:（1）节律性时间期待显著加快被试对目标声音的反应速度;（2）空间期待对目标辨别速度的促进作用仅在时间非规律条件下发生。可见,在辨别听觉目标时,听者优先使用时间期待,并在无有效时间预测信息时使用空间期待,以促成对声音目标的最优知觉加工。      

基于Shamma模型的车辆噪声听觉谱特性与目标分类

为了满足现代交通对汽车类型自动识别的需求,针对等响度车辆噪声提出基于Shamma模型的听觉谱特性识别特征。首先分析了Shamma模型中听觉早期阶段和听皮层多尺度分析阶段的转换原理,给出了中枢听觉模型中STRF模型及纹波密度-速率图的计算方法。利用三类车辆空转状态下噪声的幅频、听觉谱和密度-速率特性进行分类识别,发现密度-速率特征具有识别率高、计算量小的特点,更适宜用于作为目标自动识别特征。