提升小波加权自相关函数的基音检测算法*

随着计算机技术的发展,语音信号处理作为人机交互的重要渠道,其在复杂噪声环境下的特征值检测算法直接关系到计算机的运算效率。基音周期是语音特征值提取的重要参数之一。针对传统基音检测算法在噪声环境下检测精度低的问题,提出了一种基于自适应提升小波变换加权线性预测误差自相关函数的基音检测算法。该方法用多级提升小波近似系数加权求和的方法来弥补自相关函数随着时间延迟量的增加幅值衰减的缺陷;用线性预测误差自相关函数的方法来抑制共振峰的干扰,然后将两种方法结合来突出基音周期处的峰值。实验结果表明,与传统的自相关函数法和小波加权法相比,该方法能有效减弱共振峰的影响,突出基音周期处的峰值,提高基音周期检测精度,鲁棒性更好。     

基于数据融合的风电机组噪声预测

根据风电机组噪声信号检测复杂的情况,研究风电机组非声学参数的信息熵特征,对机组噪声进行多源数据融合预测。分析基于信息熵的非声学参数的特征提取方法,并对传统的基于遗传算法的支持向量机回归(GA-SVR)的缺陷提出改进,结合实际应用的非声学参数的信息熵特点平衡遗传算法(GA)的终止条件。通过统计分析完成了输入变量的筛选,去除了对预测影响较大的共线性因素,并实现了输入降维提高预测精度和速率。最后应用数据的信息熵特征,训练改进的GA-SVR建立最终的多源数据特征级融合预测模型。通过对比表明基于多源数据融合的预测方法精度最高,预测结果的相对误差平均值为0.7757%,具有实际可行性。     

基于卡尔曼滤波的低复杂度去混响算法*

在电话会议、智能音箱等应用场景下,传声器往往处在声源的远场。混响信号的存在会掩蔽后续到达的直达声信号,降低传声器接收信号的语音质量,以及语音识别系统的准确识别率。多通道线性预测算法是一种经典的盲去混响算法,但该算法往往具有较高的计算复杂度。本文提出了一种简化的卡尔曼滤波更新算法,通过对角化卡尔曼滤波器状态向量误差协方差矩阵,降低了自适应多通道线性预测去混响算法的复杂度。通过与现有分块对角简化算法对比发现,本文提出的简化算法在保证语音质量的同时,进一步降低了原卡尔曼滤波算法的复杂度。     

印刷品原色油墨光谱预测中减色线性经验空间的建立

在半色调印刷品原色油墨光谱预测技术中,在原光谱反射率空间进行主成分分析得到的代表性基向量数目会大于实际所使用的原色油墨数目,即光谱反射率空间并不适用光谱预测,且主成分分析得到的基向量会出现负值,没有物理意义。针对上述问题,建立了一个减色线性经验空间模型及其空间转换模型,并探究了影响经验空间线性程度n值的因素,通过实验及优化算法创新性找到确定最佳n值的方法,并在该减色线性经验空间进行半色调原稿原色油墨的预测实验。实验结果表明,在不同n值下,选取原始光谱反射率R_m和重构光谱反射率R_recon的f范数平方值的最小值对应的n值做为建立线性经验空间确定最佳n值的方法是有效的;为了将纸张和油墨类型对空间转换因数n的影响程度减到最小,最终确定n值为3.5;在减色线性经验空间进行印刷品原色油墨数目预测,得到的代表性基向量数目恰好等于实际印刷使用的原色油墨数目4,进行原色油墨光谱预测,预测的4色油墨除K色外,其他CMY色与实际原色油墨光谱相比拟合度GFC均大于99.9%。即所提出的优化n值的新方法建立的减色线性经验空间是一个可作为半色调印刷品原色油墨数目预测和光谱预测的有效线性空间。     

改进欧拉算法在油液光谱分析趋势预测中的应用

基于原子发射光谱油液分析是大型机械设备磨损状态监测与故障诊断的重要技术,由于灰预测理论在趋势预测方面具有明显的优势,文章利用油液原子发射光谱分析结果,结合灰预测理论,建立了某综合传动油液中金属元素Fe趋势变化的灰预测模型。在模型参数辨识求解上首次引入了改进欧拉算法,解决了避免原灰预测模型在实际应用过程中出现的预测结果主要依赖于第一个实测值的问题,使得预测结果更准确。将该算法结合原子发射光谱分析Fe元素浓度的阈值制定,有效地捕捉到综合传动发生故障的征兆信息,及时采取措施防止综合传动的故障,具有很好的推广应用价值。     

基于反射光谱技术的植物叶片SPAD值预测建模方法研究

植物叶片SPAD值反映了植物叶绿素含量,对特定的植物也反映了氮含量。为了实现植物叶绿素含量的快速无损检测,利用光纤反射光谱技术对植物叶片SPAD值进行了预测建模研究。实验中选取70个样本作为建模集,50个样本作为校验集。通过叶片光谱比对,发现光谱红边段650～750 nm对SPAD预测建模有直接关系。实验确定了光强调节因子和叶片厚度影响因子。首先通过待定系数法构造出SPAD预测公式,然后用Visual Basic6.0设计的遗传算法进行参数寻优,最后确定最佳敏感波段为683.24～733.91 nm。分析表明,叶片厚度对SPAD反射光谱模型精度有显著影响。经过叶片厚度修正后的建模集拟合因子R2为0.865 8, 校验集拟合因子R2为0.916 1。结果表明, 利用反射光谱技术建立的SPAD预测模型是成功的, 从而可为仪器开发提供方法指导。     

木材微纤丝角四种测试方法对比研究

分别采用X射线衍射法、偏振光显微镜法、纹孔观察法和近红外光谱预测法对杉木木材的微纤丝角进行了测定,结果表明：对于同一株杉木,纹孔观察法测得的微纤丝角平均值最大,X射线衍射法次之,偏振光显微镜法最小,三种方法得到的微纤丝角差异不显著;对于不同年轮的微纤丝角,X射线衍射法测定值于第20年轮以后变得最大,纹孔观察法测定值上下浮动最大,偏振光显微镜法测定值相对最为集中,越远离髓心三种方法的测定值曲线吻合得越好,同一年轮微纤丝角采用不同方法测定时差异不显著;对于同一年轮的微纤丝角,偏振光显微镜法得到的最大值与最小值相差不大于4°,而纹孔观察法相差达到21.53°,其标准偏差也达到4.75。近红外光谱预测法和X射线衍射法均属于无损检测法,它们两个联立建立的模型精度高,预测性和重现性好、便于实现在线分析,其校正模型和验证模型的相关系数R2分别达到了0.81和0.75,校正标准误差和预测标准误差分别为1.79和2.02。另外,其他三种方法均可以与近红外光谱技术联用来预测该木材的微纤丝角,显示了近红外光谱技术无与伦比的优越性。同时,文章分析了这四种方法的优缺点,探讨了产生这种结果的原因,以便为广大研究者提供参考。     

PLASTIC ZONE OF SEMI-INFINITE CRACK IN PLANAR KAGOME AND TRIANGULAR LATTICES

The fracture investigations of the planar lattices made of ductile cell walls are currently limited to bending-dominated hexagonal honeycomb. In this paper, the plastic zones of stretching-dominated lattices, including Kagome and triangular lattices, are estimated by analyzing their effective yield loci. The normalized in-plane yield loci of these two lattices are almost identical convex curves enclosed by 4 straight lines, which is almost independent of the relative density but is highly sensitive to the principal stress directions. Therefore, the plastic zones around the crack tip of Kagome and triangular are estimated to be quite different to those of the continuum solid and also hexagonal lattice. The plastic zones predictions by convex yield surfaces of both lattices are validated by FE calculations, although the shear lag region caused by non-local bending effect in the Kagome lattice enlarges the plastic zone in cases of small ratio of rp/l.     

互连导线串扰问题的人工神经网络预测

提出应用人工神经网络对互连导线间串扰问题进行预测的方法.选择对互连导线串扰响应有影响的相关参数作为输入预测因子,用基于误差反向传播的BP网络构造输入预测因子与串扰响应输出之间的映射关系,并用MTL和FDTD法计算获得的训练样本集对构造好的BP网络进行训练,建立基于BP网络的导线串扰的预测模型.最后,将串扰的BP预测结果和和测试样本进行比较,表明该方法有效.     

基于背景自适应预测的星点提取算法

在分析星图中的星点目标和背景特性的基础上,提出了一种基于背景自适应预测的星点提取算法。为准确预测背景并兼顾算法的速度,只在背景边缘处使用区域最大值背景预测法,其余部分直接使用固定权值进行预测。分割残差星图,提取各星点的目标区域,阈值采用自适应的取值方式。利用质心算法求取各星点目标的精确位置。实验结果表明,基于背景自适应预测的星点提取算法性能优于现有的星点提取算法,是一种有效的星点提取算法,可以降低大量由于强边缘而引起的虚警,能够更准确地预测背景。