利用冲击声辨识声源材料的特征提取

声源辨识属于环境声识别的范畴,是模式识别的一个重要研究方向。冲击声携带了大量的声源物理信息,因此利用冲击声提取特征进行声源材料辨识是提高声目标识别分类性能的重要途径。对球-板撞击物理模型合成的冲击声连续统,提出使用基函数学习法提取目标特征,同时利用短时傅里叶变换和小波包变换进行特征提取,以此为基础完成被击平板的材料识别。研究结果表明,利用基函数学习法获得的特征,对于冲击声分类的效果明显优于短时傅里叶变换和小波包变换方法,说明利用该方法进行冲击声声源材料辨识的可行性和优势。      

运动声源快速定位的声达时差法

针对声达时差法只能用于非运动声源定位的问题,本文提出一种运动声源快速定位方法。该方法以声达时差为基本定位原理,基于声源计算位置对多普勒效应进行解耦并进行声信号多普勒效应修正,根据三角定位方法构建声传播空间矩阵,以声源位置偏差度为目标基于单纯形优化搜索算法进行声源位置快速逼近,实现了对匀速直线运动的单声源的定位追踪,提高定位实时性。该方法将声达时差法拓展到运动声源的定位,同时解决了消除多普勒效应带来的计算过程复杂、运算量大的问题,仅用4个传声器就可实现运动声源的快速定位,突破了传统运动声源识别中对大传声器阵列的依赖。仿真实验和实车运动声源识别实验结果证明了该方法的有效性,本研究为短时发声运动声源的识别提供了一种简便、高效的方法。      

冲击声的稀疏特征提取及声源类型识别

针对低信噪比下声源材料类型的细分任务,将稀疏表达用于冲击声信号的声源类型识别,提取的稀疏特征相比传统的MFCC特征有效改善了识别性能。分别基于3种预定义词典和一组根据训练信号学习的词典,利用正交匹配追踪(OMP)方法对录制冲击声进行稀疏表达,提取稀疏特征用于不同信噪比下冲击声信号的声源辨识,并与MFCC特征进行比较。对包含12类材料的冲击声数据库的分类结果显示,在几乎所有情况下,稀疏特征比MFCC特征具有更好的识别效果。特别是在信噪比较低的情况下,稀疏特征具有更好的抗噪性能。      

识别运动声源随机阵列生成法研究

针对随机阵列结构设计方面欠缺高效的生成方法这一问题,在保证阵列对声源识别精度的前提下,提出一种在极坐标下用于识别运动声源的随机阵列生成方法。根据声阵列识别运动声源的原理,推导了非等间距基本同轴圆环的半径,再通过降列分区、极坐标下条件筛选和模拟评价三个步骤,生成适用于识别运动声源的目标随机阵列,最后进行数值模拟和运动汽车噪声源识别实验进行验证。研究结果表明,用该方法能够高效地生成目标随机阵列,与常用规则阵列相比具有更良好的声源识别特性,并且具有准确的运动声源识别性能。      

识别运动声源随机阵列生成法研究

针对随机阵列结构设计方面欠缺高效的生成方法这一问题,在保证阵列对声源识别精度的前提下,提出一种在极坐标下用于识别运动声源的随机阵列生成方法。根据声阵列识别运动声源的原理,推导了非等间距基本同轴圆环的半径,再通过降列分区、极坐标下条件筛选和模拟评价三个步骤,生成适用于识别运动声源的目标随机阵列,最后进行数值模拟和运动汽车噪声源识别实验进行验证。研究结果表明,用该方法能够高效地生成目标随机阵列,与常用规则阵列相比具有更良好的声源识别特性,并且具有准确的运动声源识别性能。     

运动声源识别的动态波叠加方法研究

为更好地识别运动声源并解决声源识别中的虚假声源问题,基于运动声源短时信号的Doppler频移特性, 建立运动声场的短时波叠加关系, 利用波束形成方法对声源点进行预估, 基于预估建立起多运动声源的动态叠加方程, 进一步通过波叠加方程的求解进行声源的计算, 从而创建一种可以用于运动声源识别的动态波叠加方法. 该方法可以有效识别运动声源, 将波叠加方法扩展到了运动声源测量领域, 并在不增加传声器数量以及改变阵列形式的条件下有效抑制运动声源重建中的旁瓣效应, 解决运动声源识别中的虚假声源问题. 仿真及实际运动声源的测量试验结果证明了该方法的有效性.     

贝叶斯优化卷积神经网络公共场所异常声识别

针对公共场所异常声的感知和识别问题,提出一种基于贝叶斯优化卷积神经网络的识别方法。提取声信号的Gammatone倒谱系数、倍频程功率谱、短时能量和谱质心,组合成声信号的特征图。构建卷积神经网络作为分类器,利用递增的卷积核设置和池化操作处理不同尺度的特征。基于贝叶斯优化算法优化卷积神经网络的模型参数,对包括火苗噼啪声、婴儿啼哭声、烟花燃放声、玻璃破碎声和警报声的5种公共场所异常声进行识别。该方法的识别结果与基于不同的特征提取和分类器方案得到的识别结果进行比较,结果表明该方法的识别效果优于其他特征提取和分类器方案的识别效果。最后分析了该方法在不同信噪比噪声干扰下的识别结果,验证了该方法的有效性。     

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。     

复合深度神经网络在直升机声目标识别中的研究

针对直升机探测中目标运动过程连续识别的鲁棒性问题,提出了一种基于复合深度神经网络的直升机声学特征提取和识别框架。复合深度神经网络由卷积神经网络和长短时记忆神经网络以并行结构组合,进行直升机声学特征的优化,完成直升机类型识别。针对直升机声信号特性,对卷积神经网络进行了改进,使得该复合深度神经网络在信号短时谱基础上优化声信号特征表征并提取前后帧之间的相关信息,弥补通常声目标识别方法不能充分利用目标信号时间历程信息的缺陷。真实外场实验数据测试结果显示:相较于传统识别方法,该算法显著提升了直升机进入有效探测范围后连续识别的鲁棒性和目标识别正确率。     

加筋板材料辨识的导纳特征表达与冲击声特征提取

以表征物理属性的导纳特征为中间量,提取与加筋板材料属性有关的冲击声特征。先用相关分析方法获得金属加筋板物理属性的导纳特征表达以及导纳特征与冲击声特征之间的联系,间接得到表征声源物理属性的冲击声特征,然后通过支持向量机分类器验证不同特征在金属加筋板材料分类辨识中的性能。结果表明,所得的4组冲击声特征能准确识别出不同的材料,单个特征的识别率与对应材料属性的可分程度有关,理想冲击声声特征比音色特征的平均识别率更高。由此可见,利用导纳特征提取与材料属性相关冲击声特征的方法是有效的,且所提的特征能够很好的反映声源材料属性。      

基于改进变分模态分解的北极海域声速剖面分类

应用支持向量机对北极声速剖面进行分类,特征量提取是关键.该文采用一种基于经验模态分解的改进变分模态分解算法,以准确提取声速剖面特征量.算法首先对声速剖面信号进行经验模态分解,依据最大类间方差原则划分各分量边际谱主频带,以相似度作为最小分解层数判断标准,获得最小分解层数,进行变分模态分解.对北极区海水声速实测数据(信号)...     

融合声纹信息的能量谱图在鸟类识别中的研究

常用的梅尔倒谱系数结合高斯混合模型(MFCC+GMM)方法的鸟鸣声识别技术难适应噪声环境,模型难以收敛,且计算复杂度高。该文提出一种融合声纹信息的能量谱图的鸟类识别方法 (VPS-BR),该方法利用鸟类鸣声在能量谱图上所表现的多维差异性,定量识别鸣声声纹特征。通过对分贝能量进行颜色映射得到能量谱图,提取其视觉特征所表达的声学特征,分析归纳得到鸟类特有鸣声模式。在特征提取步骤中,选用识别速度快的局部二值模式、识别鲁棒性高的方向梯度直方图两个参数表征鸟鸣声谱图的边缘声纹;在识别步骤中,用局部二值模式和方向梯度直方图两种特征分别与支持向量机、K最近邻和随机森林3种分类器算法进行两两组合构建识别模型测试。对15种原始带噪鸟类鸣声数据集进行交叉验证,VPS-BR模型的平均识别率比MFCC+GMM组合模型高出11.3%,方向梯度直方图特征与K最近邻分类器的组合模型识别率达90.5%,表现出较好的抗噪性能和识别性能。最后针对样本数据集缺乏问题,使用生成对抗网络进行图像增强,进一步将识别率提升1.48%。     

基于时频分帧能量熵的陶瓷制品敲击声波信号特征识别

针对现有陶瓷制品敲击声波信号特征提取方法中提取的特征代表性降低的问题,该文提出结合最大重叠离散小波包变换(MODWPT)和时频分帧能量熵的特征提取方法。首先采用MODWPT将信号分解为4层,再对每个节点的子信号分帧后计算各个节点的时频分帧能量熵,然后根据能量分布特征选择了前6个节点的时频分帧能量熵特征,最后构建随机森林分类器完成识别。将该方法和MODWPT时频分段能量熵、MODWPT归一化能量特征两种方法进行比较。实验结果表明,相比MODWPT时频分段能量熵、MODWPT归一化能量两种特征提取方法,MODWPT时频分帧能量熵能提升特征的代表性,具有更优的陶瓷制品敲击声波信号特征识别性能,其识别的F₁值达到了98.46%,相比上述两种方法分别提升F₁值3.22%、1.86%。     

改进的梅尔倒谱系数在低空飞行器特征提取中的应用*

梅尔倒谱系数特征提取技术依据人耳的感知特性将声信号从线性频域转换到梅尔域,在语音识别中得到广泛应用。该文将梅尔倒谱系数技术用于小型低空飞行器的声信号特征提取中,并针对螺旋桨驱动类的小型低空飞行器具有稳定的强谐波特性,对梅尔倒谱系数特征提取中使用的梅尔滤波器进行改进,通过对此类谐波处的线性频谱与梅尔谱转换曲线的斜率进行投影替换,提高滤波器对该谐波处信号的感知敏感度。仿真结果表明,使用改进的梅尔倒谱系数特征提取方法对小型低空飞行器进行特征提取时,能够得到更低的等误识率,并且在低信噪比环境中,改进的梅尔倒谱系数特征提取方法具有更好的抗噪能力。     

A Bearing Fault Diagnosis Method Based on PAVME and MEDE

When rolling bearings have a local fault, the real bearing vibration signal related to the local fault is characterized by the properties of nonlinear and nonstationary. To extract the useful fault features from the collected nonlinear and nonstationary bearing vibration signals and improve diagnostic accuracy, this paper proposes a new bearing fault diagnosis method based on parameter adaptive variational mode extraction (PAVME) and multiscale envelope dispersion entropy (MEDE). Firstly, a new method hailed as parameter adaptive variational mode extraction (PAVME) is presented to process the collected original bearing vibration signal and obtain the frequency components related to bearing faults, where its two important parameters (i.e., the penalty factor and mode center-frequency) are automatically determined by whale optimization algorithm. Subsequently, based on the processed bearing vibration signal, an effective complexity evaluation approach named multiscale envelope dispersion entropy (MEDE) is calculated for conducting bearing fault feature extraction. Finally, the extracted fault features are fed into the k-nearest neighbor (KNN) to automatically identify different health conditions of rolling bearing. Case studies and contrastive analysis are performed to validate the effectiveness and superiority of the proposed method. Experimental results show that the proposed method can not only effectively extract bearing fault features, but also obtain a high identification accuracy for bearing fault patterns under single or variable speed.     

The admittance feature representation and impact sound feature extraction in the material identification of ribbed plates

The admittance features representing the physical attributes are used as the intermediates to extract the material-attributes-related impact sound features of ribbed plates.Firstly, the admittance feature representations of metal ribbed plates attributes are obtained and the relationship between the admittance features and the impact sound features are established via correlation analysis method. Then, material-attributes-related impact sound features are obtained indirectly. Finally, the performances of different sound features for the material recognition of ribbed-metal plates are verified through the Support Vector Machine classifier.The results indicate that the obtained four sets of features can effectively identify the materials of the metal ribbed plates, while the accuracy of a single feature depends on the separable degree of the corresponding material attribute. And the features extracted based on admittance functions have higher average accuracy than that of timbre features. Therefore, the proposed sound feature extraction method based on admittance features is valid, and the extracted sound features can effectively reflect the physical attributes.     

利用矢量海洋环境噪声提取声场格林函数

考虑到矢量水听器在垂直方向上具有8字形指向性,能够有效抑制远方非平稳噪声源的干扰,提出了一种矢量环境噪声相关函数(NCF)提取声场时域格林函数(TDGF)的方法。基于简正波理论建立了声压和垂直振速垂直相关性模型。在此基础上,给出了声压和垂直振速相关函数提取声场纵向格林函数的过程.数值仿真对比和实验数据分析表明,相对于声压提取方法,垂直振速提取方法能够有效消除直达波前出现的亮纹与亮区干扰。此外,对于同等时间长度噪声序列,声压提取方法只提取到直达波路径,而垂直振速提取方法还提取到了我们更为关心的海底反射路径。利用直达波与海底反射波到达时延差估计的海深与实测海深吻合较好。      

尺度不变特征与几何特征融合的人耳识别方法

要提高人耳的识别率,关键是特征的提取与表达.尺度不变特征变换(SIFT)技术是局部点特征提取算法,在尺度空间寻找极值点,提取对图像的尺度和旋转变化具有不变性,对光照变化和图像变形具有较强的适应性的特征向量.尝试用SIFT技术来提取外耳图像的结构特征点以形成稳定的特征描述子,为了克服一幅图像中有多个局部描述子相似的问题,在SIFT特征描述子中融入一个耳廓几何特征.最后采用特征向量的欧氏距离作为两幅图像相似性度量标准进行人耳识别.在耳图像库七进行实验.结果表明,该方法不仅可以有效地提取人耳特征,通过少量特征可获得较高的识别率,而且对耳图像刚体变化具有较强的稳健性.     

基于矢量线阵的目标低频线谱提取方法

主动声呐系统常采用线性调频信号探测水下目标。利用分数阶傅里叶变换处理线性调频回波时,可在低信噪比和强混响背景下获得目标参数的有效估计。主动声呐系统常通过增大发射信号的时间带宽积来提升系统的距离分辨力和速度分辨力,但却带来了计算复杂度的显著增加,尤其是奈奎斯特采样下基于分数阶傅里叶变换的回波处理方法,导致数据处理时间难以满足功耗和体积受限的无人水下航行器平台的实时性要求。针对此问题,该文提出分数阶傅里叶变换的带通采样实现方法,通过对线性调频信号时频特性直线在分数阶域的投影进行修正,使利用分数阶傅里叶变换方法处理带通采样的回波数据时,可获得正确的目标参数估计。计算机仿真数据和无人水下航行器湖试数据处理结果验证了分数阶傅里叶变换的带通采样实现方法的正确性,数据处理时间能够满足无人水下航行器平台处理的实时性要求。     

近岸4种鱼的声散射特征提取及融合实验研究*

为了有效地提取表征鱼类间差异的声散射特征参数,该文通过绳系法实验研究了近岸4种经济鱼类的声散射信号特征提取及融合方法。首先,通过自研双频鱼探仪采集花鲈、许氏平鲉、黑鲷和斑石鲷的个体鱼声散射信号;然后,分别测定200 kHz和450 kHz换能器下鱼体的目标强度,同时提取鱼声散射信号的时频域统计特征;最后,将降维后的时频特征与频差特征融合组成新的特征向量。该文通过实验验证了该方法的有效性,基于组合特征的支持向量机识别准确率达93%。结果表明,鱼的频率响应特性和鱼声散射信号的时频域统计特征能一定程度上反映鱼的固有属性,有效地增加判别依据能显著提高以上4种鱼类的识别准确率。