一种基于模式识别的多路盲语音提取方法

盲分离算法能在缺少混合系统参数的条件下仅由观测信号估计初始源,但分离信号存在固有的排列模糊性,这往往导致两次批处理过程中同一信号"对不准",因此很难获得连续的源信号。本文针对盲声源分离中存在的相同问题,根据语音和其他音频信号的特征差异,提出一种修正的自相关函数并以其值作为一个特征基元来表征声音信号的时序相关特性,同时用平均声门波形状参数作为另一个特征基元来表征语音产生的生理效应。以这两个参数作为识别不同音频信号的二维模式特征,采用一种模糊聚类算法提取多路盲分离语音。本方法有效克服了批处理盲声源分离中的信号排列顺序的不确定性,并通过选择合适的阈值提取多路连续语音。仿真给出了5路混合音频信号中盲提取两路连续语音的实验结果。     

水声信号稀疏重构高分辨角度-多普勒成像

针对傅氏空时二维谱估计分辨率低以及声呐空时采样数据样本数不足给角度-多普勒成像带来困难的问题,提出一种水声信号稀疏重构的高分辨角度-多普勒成像方法和抗混响空时滤波器的稀疏重构方法。该方法在声呐阵列单测量向量的极少观测样本条件下,建立阵列信号的空时稀疏表示模型,应用稀疏表示的匹配追踪算法和基追踪算法重构回波与混响的高分辨角度-多普勒像。并根据运动声呐回波与混响的空时分布规律及声呐待检测距离单元位置的先验信息,沿着混响空时分布脊线设计混响稀疏表示的专用空时导向向量字典,通过重构抗混响空时滤波器来抑制角度-多普勒平面的混响干扰。对运动声呐前视和侧视阵列的计算机仿真结果表明,在混响背景中,该方法采用声呐阵列单测量向量重构了低速运动目标多亮点回波的高分辨角度-多普勒像,频率分辨率突破傅里叶分辨率,角度分辨率突破阵列瑞利限,分辨率明显优于傅氏空时谱估计。     

在缪子成像中利用模式识别检测毒品与爆炸物

在集装箱安检中一个很重要的亟待解决的问题是如何有效地检测出藏在金属中的毒品和爆炸物。传统的X射线CT难以穿透较厚的金属材料,而中子CT引入了很大的放射性,其屏蔽问题是一个难点。相较之下,宇宙线缪子成像是一种有前景的非破坏性成像技术,因为缪子来源于天然的宇宙射线且有足够的能量完全穿透大型集装箱。本文研究了在可接受的测量时间内,宇宙线缪子成像方法能够在何种程度上识别毒品爆炸物与空气和金属。基于清华大学缪子实验平台TUMUTY并通过Geant4模拟宇宙线缪子与物质的相互作用,毒品爆炸物及不同金属材料的散射密度能够被重建出来。基于模式识别的SVM分类器被训练出来对这些材料进行自动识别分类。结果显示,对于边长为20 cm的不同材料的物块,在10到30 min的测量时间内,能够通过缪子成像方法识别毒品爆炸物与金属材料和本底,分类的错误率约为1%;测量时间为1 min时,分类的错误率恶化为12.9%。     

超声平面波经颅成像相位校正方法

超声平面波经颅成像时,由于颅骨对超声传播的影响引起图像质量下降,需要对颅骨造成的超声相位畸变进行校正.为此,该文研究了两种相位补偿方法:基于近似射线声学的理论方法和基于时间反转的数值计算方法,并利用数值仿真对比了两种方法的补偿和成像效果.结果表明:无论使用近似射线法还是时间反转法,都能够有效地校正因颅骨造成的相位畸变;...     

利用经验模态分解的高频水声信号滤波方法*

研究了一种高频水声信号的滤波问题,提出了一种改进的经验模态分解加小波阈值滤波方法。首先对信号进行带通滤波处理,再进行经验模态分解,将分解得到的各个模态转换为频域信号,采用小波软阈值方法对这些频域信号进行滤波,最后对信号进行重构,并转换为时域信号。经数值仿真与试验数据验证表明此方法是可行有效的,与原基于经验模态分解的小波阈值滤波方法相比,本方法滤波效果较好:对不同输入信噪比的仿真信号进行滤波后,本方法的输出信噪比最大提高17.41 d B,滤波后所得信号与加噪前纯信号的相关系数最大提高0.90;对实验数据进行滤波后,不同时间段信号的相关系数最大提高0.62。     

平面波超声成像中的波束合成方法研究进展

平面波成像通过单次全孔径发射-接收即可获取整幅图像,将成像帧频显著地提升至1000帧/秒以上.然而,平面波成像过程中发射的非聚焦波束将导致回波信号信噪比降低,进而使图像的分辨率和对比度变差.通过多角度相干复合成像技术可以改善平面波成像的图像质量,但是会以牺牲帧频为代价.因此研究人员们开始将新型波束合成技术引入平面波成像...     

基于小波变换的激光主动成像图像去噪方法

针对激光主动成像图像的特点,提出了将小波变换和中值滤波相结合的图像去噪方法。在对小波分解后的水平、垂直和对角3个方向高频细节图像进行处理时,我们采用3种不同形状的模板进行均值滤波,为了保护图像的边缘和细节信息,采用边缘检测法来将高频中的边缘细节与噪声分开。实验结果表明:该方法在降低图像噪声的同时又较好地保留了图像的细节,去噪效果比较理想。     

水声物理、信号处理与海洋环境紧密结合是水声技术发展的趋势

声波是目前唯一能在海洋中远距离传播的波动形式，发展水声技术具有极其重要的应用背景。作为一门交叉学科，近十年来水声技术的发展是与水声物理、信号处理以及海洋环境的紧密结合是分不开的，本文利用最近的研究成果来说明这一趋势。     

分数域滤波的分数傅里叶变换光学成像性能分析

将分数域滤波同光学成像相结合,提出了一种基于Lohmann Ⅰ型的带有滤波孔径的两级联分数傅里叶变换光学成像系统.根据分数傅里叶变换和菲涅耳衍射之间的关系以及分数傅里叶变换的分数阶可加性,结合分数域滤波分析了分数傅里叶变换光学成像的基本理论.以点扩散函数和调制传递函数作为评价成像质量的准则,详细分析了不同分数阶光学系统...     

一种利用海豚叫声的仿生水声通信方法

针对水下通信隐蔽性的需求, 克服传统固定载波调制方式带来的声源暴露问题, 提出一种基于海豚叫声的仿生伪装水声通信方法, 使通信信号被当作海洋生物噪声排除, 达到隐蔽通信的效果. 研究了海豚叫声信号特点, 利用海豚哨声信号实现同步与识别, 采用差分脉冲位置调制方法, 信息调制在相邻海豚嘀嗒声信号的时间间隔, 采用压缩传感体制下的匹配追踪技术估计信道, 虚拟时反技术实现信道均衡. 湖试结果验证了该方法的有效性和可行性, 接收声信号与发射信号声音上具有很高的相似度, 可以达到伪装隐蔽的效果. 实验中水平距离2 km, 通信速率不小于29 bps时,误码率可以达到10^-4以下. 关键词： 水声通信 仿生 海豚 隐蔽     

神经网络在声发射信号模式识别中的应用

介绍了人工神经网络中的BP网络、RBF网络、Hamming网络、BP－Hamming网络在声发射信号模式识别中的应用现状，并对这些方法的优缺点进行了比较。     

木塑复合材料缺陷及损伤的声发射信号特征分析及神经网络模式识别

针对木塑复合材料五种典型的缺陷及损伤机制，选择合适的木塑试样，应用三点弯曲的加载方法采集声发射信号。对主损伤区附近的声发射事件，应用小波变换提取特征参数，确定五类主要损伤机制所对应的声发射信号特征。采用B—P型反向传播神经网络构成的智能化模式分类器，对此五类声发射信号进行识别，获得了满意的效果。     

用于单载波频域均衡水声通信的可分近似稀疏信道估计

针对单载波频域均衡水声通信中信道估计易受噪声干扰的问题,提出了一种低复杂度的信道估计方法。考虑水声信道的时域稀疏特性,导出频域输入、输出信号与信道冲激响应的关系式,并引入稀疏正则项,构造稀疏信道估计的目标函数。然后利用可分近似对目标函数进行迭代优化,再经过稀疏化与去偏处理,得到信道传递函数的最终估计。最后,利用数值仿真和海试数据对所提出方法的性能和运算效率进行评估。较之传统信道估计方法,所提出的方法在估计精度和计算复杂度方面具有一定的优势。     

水声无源材料插入损失虚拟聚焦测量方法

提出了一种适合在有限尺寸水池中测量水声材料插入损失的方法,称为\     

基于声发射技术的钢丝绳断丝模式识别

基于大量实验及波形分析,给出钢丝绳断丝事件的声发射（ＡＥ）定量化表征形式．采用类内类间距离和二维图示方法综合选择ＡＥ特征,并根据其分布情况建立起基干Ｆｉｓｈｅｒ准则的分段线性分类器,以实现断丝事件的自动检测．     

水下材料声学性能宽频段测量方法

本文根据脉冲法和传递函数法的测试原理,建立水下声学材料吸声性能宽频段测量方法,在同一水声声管,相同状态下,对橡胶材料吸声性能进行测试分析。分析表明:常压及加压环境下,采用传递函数法和脉冲法测量材料的吸声性能,在重合频段(4 kHz～5.5 kHz)测试结果基本一致,测试偏差小于5%,从而验证了不同测量原理,测试材料水下声学性能的通用性。因此,采用传递函数法和脉冲法,可以实现水下材料声学性能宽频带测试。     

一种消除角度响应影响的多波束声强数据自适应改正方法

针对多波束反向散射强度(Backscatter Strength,BS)数据在采集过程中受到声学散射机理而产生的角度响应(Angular Response,AR)影响,而目前声学硬件方面尚未完美解决且现有后处理改正方法在复杂海底底质环境下适应性较差,尤其在高入射角区域的改正效果甚为不理想的问题,为此,给出了一种基于散射强度的自适应角度响应改正模型。首先获取连续脉冲(Ping)平均散射强度数据的角度响应曲线;其次使用高斯拟合方法对角度响应曲线进行平滑拟合处理,进而对其解算二阶导数提取角度响应模型改正参数;最后给出顾及高入射角区域的单Ping反向散射强度数据的分段处理改正模型。实验结果表明,该方法与传统方法相比,整个发射扇区散射强度平均偏差精度约提高30V,尤其在影响较大的高入射角区域,平均偏差精度约提高40V,并且该区域的标准差精度也提高了近30%。该模型较好地解决了多波束在非正射情况下获取海底精准散射声强的问题,削弱了声波散射机理的影响;同时也解决了散射强度过渡不均衡、中央波束区域改正异常等问题。因此,提高了多波束反向散射强度的可靠性,可以真实地呈现出海底实际的地貌。     

Quantitative combination of volumetric MR imaging and MR spectroscopy data for the discrimination of meningiomas from metastatic brain tumors by means of pattern recognition

The analysis of information derived from magnetic resonance imaging (MRI) and spectroscopy (MRS) has been identified as an important indicator for discriminating among different brain pathologies. The purpose of this study was to investigate the efficiency of the combination of textural MRI features and MRS metabolite ratios by means of a pattern recognition system in the task of discriminating between meningiomas and metastatic brain tumors. The data set consisted of 40 brain MR image series and their corresponding spectral data obtained from patients with verified tumors. The pattern recognition system was designed employing the support vector machines classifier with radial basis function kernel; the system was evaluated using an external cross validation process to render results indicative of the generalization performance to “unknown” cases. The combination of MR textural and spectroscopic features resulted in 92.15% overall accuracy in discriminating meningiomas from metastatic brain tumors. The fusion of the information derived from MRI and MRS data might be helpful in providing clinicians a useful second opinion tool for accurate characterization of brain tumors.