-
题名基于BP神经网络的超声波流量计的设计
被引量：6
- 1
-
-
作者
高正中
张晓燕
龚群英
宋森森
张政
-
机构
山东科技大学电气与自动化工程学院
-
出处
《现代电子技术》
北大核心
2016年第16期6-9,共4页
-
基金
中国博士后科学基金(2015T80729)
研究生科技创新基金(YC150347)
-
文摘
基于控制器STM32,设计一款以时差法测量管道流量的超声波流量计,为了提高环境适应性和流量测量精度,时差测量采用基于BP神经网络滤波的广义互相关时延估计算法。该算法通过对多个具有特定统计规律的预滤波器的组合优化来对混合噪声进行滤波,其具有自学习调整能力,能够适应动态变化的环境。主要介绍流量测量基本原理、硬件结构以及软件设计,最后通过多种环境下的测试和结果分析,证明了该流量计适应性强、精确度高。
-
关键词
STM32
神经网络
时差法
广义互相关算法
-
Keywords
STM32
neural network
time.difference method
generalized cross.correlation algorithm
-
分类号
TN926.34
[电子电信—通信与信息系统]
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名一种基于改进残差神经网络的直扩信号感知方法
- 2
-
-
作者
任江飞
许魁
刘洋
陆瑞
张咪
叶子绿
-
机构
陆军工程大学通信工程学院
-
出处
《电讯技术》
北大核心
2023年第12期1862-1868,共7页
-
文摘
非合作条件下直扩信号感知问题一直是通信对抗领域研究的热点,传统的感知方法在低信噪比条件下性能下降严重。为有效提升直扩信号感知的性能,提出了一种基于改进残差神经网络的直扩信号感知方法。首先,通过广义互相关算法,快速提取直扩信号的相关峰特性;然后,以残差神经网络为基础,融合注意力机制,建立网络模型,分析识别抽象特征;最后,在仿真的数据集中进行实验验证。结果表明,相较于时域自相关法、卷积神经网络法等,所提方法具备更好的感知效果,能够在信噪比为-16 dB的情形下有效地感知直扩信号。
-
关键词
直扩信号感知
广义互相关
残差神经网络
注意力机制
-
Keywords
DSSS signal sensing
generalized cross correlation
residual neural network
attention mechanism
-
分类号
TN971
[电子电信—信号与信息处理]
-
-
题名基于TasNet和NGCC的变压器局放声源定位
- 3
-
-
作者
刘扬
严天峰
郑礼
张卓
-
机构
兰州交通大学电子与信息工程学院
兰州交通大学电子与信息工程学院数字信号处理与软件无线电研究所
-
出处
《现代雷达》
北大核心
2025年第5期52-58,共7页
-
基金
甘肃省科技重大专项资助项目(22ZD6GA041)
甘肃省拔尖人才资助项目(6660030102)
甘肃省重点人才资助项目(6660010201)。
-
文摘
针对变压器局放声源定位准确率较低且延时较长的问题,文中提出了一种基于时域语音分离卷积网络(TasNet)和神经网络类的广义互相关的变压器局放声源定位方法。首先通过麦克风阵列和TasNet对音频序列的特征进行识别并分离,然后基于卷积神经网络获取局放声源对应的到达时间差估计值,最后通过构建定位框架对变压器局放声源进行定位,从而输出局放声源的位置信息。实验证明,与传统的基于广义互相关-相位变换的方法相比,文中提出的方法显著提高了局放声源定位的准确性和效率。
-
关键词
局放声源定位
神经网络类的广义互相关
时域语音分离卷积网络
到达时间差
-
Keywords
partial discharge sound plot position
neural generalized cross-correlation(NGCC)
time-domain audio separation network(TasNet)
time differences of arrival(TDOA)
-
分类号
TN912.34
[电子电信—通信与信息系统]
-
-
题名基于LeNet-RES的室内声源区域定位算法
- 4
-
-
作者
延浩浩
杨瑞峰
郭晨霞
-
机构
中北大学仪器与电子学院
-
出处
《现代电子技术》
北大核心
2025年第10期20-24,共5页
-
基金
山西省中央引导地方科技发展自由探索类基础研究项目(YDZJSX2022A027)。
-
文摘
在低信噪比和高混响的条件下,室内声源区域定位的难度增大。为解决这一问题,设计一种神经网络,即LeNet-RES,利用残差块改进LeNet,从而提高网络的性能。通过仿真8阵元正方体麦克风阵列的房间脉冲响应,得到室内声源的数据集。将麦克风接收到的信号进行分帧处理,并计算每帧信号之间的相位变换加权广义互相关函数,将其排列成二维数据作为输入特征;再将房间划分区域标签作为网络输出,训练得到最终网络模型。实验中分别测试房间分区数为8和16时,两种神经网络的定位准确率。结果表明:在相同信噪比条件下,房间分区数为16,混响时间为0.6 s时,LeNet-RES-16的准确率为81.33%,比LeNet-16高23%;在相同混响条件下,房间分区数为16,信噪比为0时,LeNet-RES-16的准确率为84.16%,比LeNet-16高29%。LeNet-RES在多种信噪比和多种混响时间的条件下,区域定位性能均优于LeNet。
-
关键词
室内声源定位
麦克风阵列
神经网络
相位变换加权广义互相关函数
信号处理
房间脉冲响应
-
Keywords
indoor sound source localization
microphone array
neural network
generalized cross correlation PHAse transformation
signal processing
room impulse response
-
分类号
TN912-34
[电子电信—通信与信息系统]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于相关函数的锚杆智能检测方法
被引量：1
- 5
-
-
作者
袁一民
杨飞
代建云
-
机构
武汉大学电气与自动化学院
武汉大学土木建筑工程学院
-
出处
《科学技术与工程》
北大核心
2021年第19期8176-8182,共7页
-
基金
国家重点研发计划(2018YFC1505005)。
-
文摘
针对锚杆锚固工程中须对锚杆进行无损检测的工程检测要求,提出一种主要基于相关函数的锚杆智能检测方法。首先对采集到的反射信号进行滤波,然后使用近邻聚类算法自动筛选出最优信号以代替传统的人工挑选方式,再将最优信号输入至广义互相关、Hilbert变换算法组成的混合模型中,从而自动地定位出信号突变点并计算出锚杆长度和锚固的缺陷位置。通过实验对该方法进行验证,结果表明相比传统检测方法其对锚杆长度和缺陷位置的检测误差明显降低且使用更方便。
-
关键词
无损检测
有限长单位脉冲响应数字滤波器
聚类
广义互相关
HILBERT变换
-
Keywords
non-destructive testing
finite impulse response digital filter
clustering
generalized cross-correlation
Hilbert transform
-
分类号
TU473
[建筑科学—结构工程]
-
-
题名基于传感器阵列的机械故障声源定位系统
被引量：17
- 6
-
-
作者
李铁军
王宁
赵义鹏
刘今越
-
机构
河北工业大学机械工程学院
-
出处
《机械设计与制造》
北大核心
2019年第4期166-170,共5页
-
基金
国家自然科学基金资助项目(51175145)
-
文摘
传统的机械故障诊断系统需要在被监测本体上安装传感器,只能定点定性监测,无法大范围监测,且可移植性差、智能性弱。针对此问题设计了基于四元声学传感器阵列的故障声源定位系统,能实现故障声源的识别及定位。首先,通过声学传感器采集机械设备运行过程中的声音信号,提取其Mel频率倒谱系数。然后,经BP神经网络对声音信号进行识别判断,若为故障声则采用广义互相关算法计算其时间延迟,进行定位。利用该系统对台式钻床空转、正常、磨损、崩刃四种工况进行识别定位测试,实验结果表明,该系统的工况识别准确率可达到89%,故障声源定位精度误差在6cm以内,具有较好的故障声源识别及定位功能。
-
关键词
故障检测
梅尔频率倒谱系数
BP神经网络
广义互相关
声源定位
-
Keywords
Fault Detection
Mel Frequency Cepstrum Coefficient
BP Neural Network
Generalized Cross-Correlation
Sound Source Localization
-
分类号
TH16
[机械工程—机械制造及自动化]
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于ResNet的稳健语音DOA估计算法
被引量：2
- 7
-
-
作者
郭业才
刘力玮
顾弘毅
-
机构
南京信息工程大学电子与信息工程学院
南京信息工程大学滨江学院
-
出处
《数据采集与处理》
CSCD
北大核心
2019年第5期789-796,共8页
-
基金
国家自然科学基金(61673222,61371131)资助项目
江苏省教育教学改革（2017JSJG168）资助项目
南京信息工程大学滨江学院自然科学研究(2019BJYNK002)资助项目
-
文摘
针对传统波达方向(Direction of arrival,DOA)估计算法在阵列模型误差条件下估计性能下降 的问题,提出了一种基于残差网络(Residualnetwork,ResNet)的DOA估计算法。该算法根据神经网 络数据驱动不依赖阵列流型的特点,从广义互相关(Generalized cross correlation,GCC)中提取特征,将 提取的特征作为神经网络深层分类器的输入,对信号分类;根据分类结果选取对应子区间数据进行训 练,建立ResNet学习特征与DOA估计之间的非线性映射关系,形成一个数据驱动的稳健DOA估计系 统。仿真与实验验证结果表明,该算法有效地解决了传统DOA算法在阵列模型误差条件下无法准确 得到DOA结果的问题。
-
关键词
DOA估计
阵列模型误差
广义互相关
残差神经网络
-
Keywords
DOA estimation
array imperfection
generalized cross-correlation
residual network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
