计算机实现随机音频信号识别

分析了利用自相关函数法实现快速识别随机音频信号,介绍一种用计算机实现随机音频信号处理与模式识别的硬件结构和程序设计。     

随机信号波振幅概率密度非线性统计分布

本文提出一种非线性随机信号模型，在三阶近亿下，通过直接求耦合的方法导出了截断的Ｇｒａｍ－Ｃｈａｒｌｉｅｒ级数形式的振幅概率密度统计分布，产给出不同量阶的波－波相互耦合强度的表达式。     

随机信号的马尔可夫链估计（Ⅱ）

随机信号可用具有唯－强马尔可夫过程解的Ｉｔｏ随机微分方程表示，为了构造Ｉｔｏ方程（即构造扩散过程），本文以不可约正常返马尔可夫链的遍历理论为基础，介绍了一种概率分布未知而且多峰的平稳随机信号漂移系数和扩散系数的统计算法。利用白化变换和Ｔａｙｌｏｒ分布未知而且多峰的平稳随机信号漂移系数和扩散系数的统计算法，利用白化变换和Ｔｙｌｏｒ逼近，Ｉｔｏ方程可转换为局部线性化马尔可夫链预测模型。由于信号的动态范     

语音识别中信号特征的提取和选择

本就语音识别中的各种特征参数的性能,提取算法等进行了分析和比较。根据选择特征参数的主要依据,选择ＬＰＣＣ和ＡＲＡＣ作为基本特征参数和动态特征参数,并应用于一个维吾尔语语音识别系统中,取得了很好的识别结果。     

基于生理信号的实时情感识别系统设计与实现

设计并实现基于生理信号的实时情感识别系统.以视频为刺激材料诱发受试者高兴、惊奇、悲伤、愤怒、恐惧、平静6种情感,通过MP160生理信号记录仪采集受试者相应情感下的心电、呼吸、脉搏波、皮肤温度、肌电、皮肤电导6种生理信号,采用PCA和SVM结合的算法实现情感的实时分类.最后,系统对4名在校学生进行了实验,6种情感的平均识别率为70%.     

改进检测周期脉冲信号的非线性随机共振系统

在利用非线性随机共振系统检测周期脉冲信号的研究中,通常采用的非线性系统为双稳态系统。针对双稳态系统的两个结构参数不易调节,误差较大,限制了系统检测性能的提高。为了优化系统,提高系统检测性能,提出采用只有一个结构参数且具有积分放大作用的单稳态系统。通过分析信号频谱,对比信号幅值,证实结构参数取较小值的单稳态系统具有积分作用,易于调节。Matlab、Monte-Carlo仿真验证具有积分特性的单稳态系统可获得更佳的检测效果。     

水声信号的调制方式识别

研究了不同水声信道环境下不同调制方式的水声信号识别算法。该算法利用双谱计算信号的双谱矩阵,并对双谱矩阵进行特征值特征向量分解,将分解得到的最大特征值对应的特征向量作为特征量。文中选取不同水声信道传输的样本信号计算其特征量,将待识别信号的特征量与样本信号的特征量做内积运算,将最大内积值对应的调制方式作为待识别信号的调制方式。实验仿真结果表明,该算法较好地实现了不同信道环境下的水声信号分类识别,在高信噪比条件下能达到90%以上的识别率。     

基于BP神经网络的C波段无线电信号分类识别

使用主成分分析法,对C波段无线电信号进行特征提取,使用BP神经网络模型作为其智能分类器.从BP神经网络的设计结构入手,在网络初始化权值的选择、网络隐含层数及隐含层结点数确定多个方面进行研究,以提高分类器的分类性能.     

非线性随机效应模型的若干统计推断

该文利用非线性随机效应模型在欧氏空间的BW几何结构，求出了固定效应参数估计的渐近性质与随机展开式。利用随机展开式，求出固定效应参数的偏差和方差的曲率表示式。     

基于足压特征信号的步态识别研究

在人体步态的解析研究中,足底压力信号常被检测用以分析步态的变化情况。其中,以传感器阵列采集的足压信息,因信号关联性弱、冗余度高以及噪声干扰等原因,而无法直观识别出步态的变化规律。针对这一问题,以盲信号建立足压信号的数学模型,在分析其构成与解析上的复杂性后,采用奇异值分解(SVD)的方法,从多源观测数据中提取出足压特征信号。提出以主特征向量张成信息子空间中各特征点的分布规律,结合先验的步态运动过程,对单足步态运动进行识别与划分,并利用多组步态实验数据,验证了该方法的有效性。     

基于遗传算法的动态模糊模型辨识非线性系统方法

针对复杂的动态系统,提出了一种基于遗传算法的模糊模型辨识方法,给出了学习模糊规则的新算法,探讨模糊推理方法和遗传学习算法用于非线性系统建模的问题,仿真结果证明了该算法的有效性。     

光电成像系统非线性效应建模

系统分析了光电成像系统的非线性效应所涉及的几何扭曲、渐晕、采样效应、噪声特性、非线性响应特性、图像重构算法,并对其进行了建模,对于光电成像仿真、系统性能评价具有重要意义。     

一种使用正交函数的非线性系统建模方法

该文提出一种非线性系统建模方法。该方法包含3个部分：独立输入信号的标准正交分解，从输入信号的权函数中导出标准Wiener泛函级数，由泛函级数线性组合成系统模型，利用最小二乘优化组合系数。最后列举实例，根据标定的数据用该方法对某传感器进行建模，结果验证了该建模方法对此类非线性结构的预测和辨识性能。     

多层局部回归网络的非线性系统预测模型

提出采用多层局部回归神经网络建立多变量非线性系统多步预测模型的方法,神经 网络模型可提供多步预测控制所需要的系统输出预测值及输出向量对控制向量的雅可比矩 阵．仿真试验表明这种动态神经网络的预测模型具有较高的精度．     

基于神经网络的非线性系统辨识方法

主要介绍利用多层神经网络进行非线性系统辨识的几种模型以及相应的算法，并分析和比较它们的辨识性能．为高度不确定性动态系统的综合设计提出了一种分析方法。     

基于小波变换的非线性多自由度系统的参数识别

讨论了用小波理论识别非线性多自由度系统参数的方法.首先将系统的微分方程投影到由Daubech ies尺度函数张成的子空间中去,然后利用Daubech ies小波的性质将系统微分方程转变为由未知参数构成的一个超越代数方程组,从而最终将系统参数识别问题转变为代数方程组的求解问题.仿真结果证明了该方法的有效性.     

基于IRBFNN和IRAN的非线性动态系统在线自适应建模

将资源分配网络算法(RAN)与相似隐单元合并操作、冗余隐单元删除操作和基于滑动数据窗连接权值学习相结合,形成了改进的资源分配网络(IRAN)算法。IRAN算法用于非线性动态系统的在线建模,能有效地改善模型精度和泛化能力。将改进径向基函数(RBF)神经网络(IRBFNN)和IRAN结合可以用于不确定非线性动态系统自适应建模。仿真研究表明:所提出的建模方法在模型精简、泛化和自适应等方面均具有优良的性能。     

基于动态模糊神经网络的非线性系统辨识

在分析模糊神经网络辨识特点及现状的基础上,设计了一种适用于非线性多输入系统的辨识模型。本模型将T-S模糊模型与5层动态模糊神经网络结构相结合,通过参数学习算法优化辨识结构,对辨识模型进行反馈调节,得到的辨识精度较高。另外,对输入数据采用归一化的方法进行预处理,加快了网络的辨识速率。最后,通过仿真实例证明了该设计的有效性,为模糊神经网络辨识结构的设计提供了一种新的思路和方法。     

MatLab实现神经网络的非线性对象动态建模

简要叙述神经网络用于动态建模原理，介绍在MATLAB仿真环境中的实现方法，结合一个典型工业例子对几种训练算法作出性能比较与分析，给出相应的仿真结果。     

一种基于非线性回归和支持向量机的混合建模方法

针对采用单一的建模方法存在的局限性,提出了一种基于非线性回归和支持向量机的混合建模方法.该方法将模型分为两部分,一部分由简单的非线性回归模型估计对象的总体变化趋势,另一部分由一个支持向量机组合模型来描述对象的局部变化特性,最后将该组合模型与非线性回归模型叠加,构成混合软测量模型.将该建模方法应用到双酚A反应的催化剂活性软测量建模中,仿真结果表明了该方法的有效性.