连续隐马尔科夫模型在多基地目标识别中的应用 被引量：2

1

作者 温涛 许枫 +1 位作者 杨娟 王梦宾 《应用声学》 CSCD 北大核心 2017年第6期512-520,共9页

多基地声纳组网探测系统是目前大范围水下安保领域的研究热点。综合利用多基地系统中各个声纳节点的信息进行水下目标识别是亟待解决的问题。利用传统的多传感器融合的方法进行多基地水下目标识别,往往忽略了各声纳节点之间的相关性,效... 多基地声纳组网探测系统是目前大范围水下安保领域的研究热点。综合利用多基地系统中各个声纳节点的信息进行水下目标识别是亟待解决的问题。利用传统的多传感器融合的方法进行多基地水下目标识别,往往忽略了各声纳节点之间的相关性,效果并不理想。针对这一问题,本文提出了利用连续隐马尔科夫模型(CHMM)进行多基地水下目标识别的方法。首先利用RELAX算法提取了目标在不同分置角上回波的强散射点特征,组成观测向量,利用Baum-Welch方法对CHMM参数进行训练,然后计算待识别目标的特征值观测序列在不同模型下的似然概率。对所有目标重复此过程,取概率最大值对应的目标类别为最后的识别结果。在消声水池开展多基地模拟实验,对四类目标进行了识别,利用CHMM方法得到的多基地水下目标融合识别率比多基地声纳下单声纳节点的最高识别率提高了30%。 展开更多

关键词 多基地 目标识别 连续隐马尔科夫模型 RELAX算法

在线阅读 下载PDF 职称材料

基于优化VMD和连续隐马尔科夫模型的管道堵塞状态评估 被引量：3

2

作者 伍林峰 冯早 朱雪峰 《振动与冲击》 EI CSCD 北大核心 2020年第22期214-222,233,共10页

面向U型管堵塞状态演变过程中故障程度的评估问题,提出一种基于低频声压信号分析和连续隐马尔科夫模型(CHMM)的U型管堵塞状态评估方法。该方法利用声波作为激励来观测U型管沉积物的堆积程度,对不同堵塞状态下的低频声压信号进行变分模... 面向U型管堵塞状态演变过程中故障程度的评估问题,提出一种基于低频声压信号分析和连续隐马尔科夫模型(CHMM)的U型管堵塞状态评估方法。该方法利用声波作为激励来观测U型管沉积物的堆积程度,对不同堵塞状态下的低频声压信号进行变分模态分解(VMD),根据分量幅值谱图确定变分模态分解的最佳模态分解数k并通过声压级变换筛选有效的IMF分量;然后提取有效IMF分量的多尺度熵(MSE)特征,构建反映U型管不同程度堵塞状态的特征向量,最后将特征向量用于CHMM模型训练,建立能对U型管堵塞状态进行评估的模型。通过对U型管不同程度堵塞状态的试验数据进行测试,评估结果表明:该模型能准确评估U型管堵塞状态的程度变化,具有一定的工程应用价值。 展开更多

关键词 U型管 声压信号 变分模态分解(VMD) 堵塞状态 连续隐马尔科夫模型(CHMM)

在线阅读 下载PDF 职称材料

基于脑电功率谱-连续隐马尔科夫链的精神疲劳分级模型 被引量：4

3

作者 赵春临 郑崇勋 赵敏 《西安交通大学学报》 EI CAS CSCD 北大核心 2007年第12期1474-1478,共5页

提取多通道脑电(EEG)功率谱特征,训练连续高斯密度混合隐马尔科夫模型(CHMM),建立了基于功率谱-CHMM的精神疲劳分级模型.分级结果表明:EEG各节律功率谱及其比值是精神疲劳的敏感指标,CHMM对于不同的精神疲劳状态具有较高的分类精度,最... 提取多通道脑电(EEG)功率谱特征,训练连续高斯密度混合隐马尔科夫模型(CHMM),建立了基于功率谱-CHMM的精神疲劳分级模型.分级结果表明:EEG各节律功率谱及其比值是精神疲劳的敏感指标,CHMM对于不同的精神疲劳状态具有较高的分类精度,最高分类正确率达到97.5%;在训练样本相同的情况下,CHMM比反向传输人工神经网络具有更高的分类精度. 展开更多

关键词 连续隐马尔科夫模型 脑电 功率谱 精神疲劳

在线阅读 下载PDF 职称材料

连续隐半马尔科夫模型在轴承性能退化评估中的应用 被引量：19

4

作者 李巍华 李静 张绍辉 《振动工程学报》 EI CSCD 北大核心 2014年第4期613-620,共8页

连续隐半Markov模型(Continuous hidden semi-Markov model,CHSMM)是隐Markov模型(Hidden Markov model,HMM)的一种扩展形式,可用于时间序列过程的动态建模。通过加入状态分布参数并对多组观测值进行连续化,可加强模型对新观测值的处理... 连续隐半Markov模型(Continuous hidden semi-Markov model,CHSMM)是隐Markov模型(Hidden Markov model,HMM)的一种扩展形式,可用于时间序列过程的动态建模。通过加入状态分布参数并对多组观测值进行连续化,可加强模型对新观测值的处理能力以及对状态驻留时间的建模能力。利用该方法建立了轴承性能退化的评估模型。首先,分析振动信号并提取频带能量作为退化特征;然后将正常状态下的特征样本作为模型的观测值对CHSMM进行训练;最后将待测的特征样本输入模型,得到待测样本相对于所建立正常模型的输出概率,作为轴承性能退化状态的标志。轴承疲劳寿命试验结果表明:所提的评估模型能较好地刻画轴承性能退化的过程,并能在早期对轴承的性能退化做出预警。 展开更多

关键词 故障预测 轴承 连续隐半马尔科夫模型 频带能量 性能退化评估

在线阅读 下载PDF 职称材料

基于加权自回归隐马尔科夫模型的语音识别 被引量：1

5

作者 冯岑明 杨亚民 《统计与决策》 CSSCI 北大核心 2012年第22期80-82,共3页

对于非特定人语音识别问题,针对隐马尔科夫模型中假设提取的观察矢量之间相互独立且数据不足的困难,文章在连续隐马尔科夫(CHMM)模型的基础上提出了基于加权自回归HMM(WARHMM)的语音识别方法,该方法利用加权自回归过程得到观察矢量,从... 对于非特定人语音识别问题,针对隐马尔科夫模型中假设提取的观察矢量之间相互独立且数据不足的困难,文章在连续隐马尔科夫(CHMM)模型的基础上提出了基于加权自回归HMM(WARHMM)的语音识别方法,该方法利用加权自回归过程得到观察矢量,从而获得隐状态输出。这种方法可以充分利用已有的观察数据,适合于实际随机性较强的语音信号的识别。实验结果证明了提出方法的有效性。 展开更多

关键词 连续隐马尔科夫模型 加权自回归隐马尔科夫模型 语音识别

在线阅读 下载PDF 职称材料

半连续HMM码本生成算法的研究 被引量：1

6

作者 李军 朱小燕 王东 《计算机工程》 CAS CSCD 北大核心 2002年第12期131-133,共3页

对基于半连续隐马尔科夫模型(SCHMM)语音识别系统的码本生成算法及其原理进行了探讨。阐述了译码器扰动简化随机松弛聚类算法(SR-D)，并将其应用到初始码本生成中。实验结果表明这种方法能显著地提高系统性能。初始码本生成后，采用最... 对基于半连续隐马尔科夫模型(SCHMM)语音识别系统的码本生成算法及其原理进行了探讨。阐述了译码器扰动简化随机松弛聚类算法(SR-D)，并将其应用到初始码本生成中。实验结果表明这种方法能显著地提高系统性能。初始码本生成后，采用最大似然准则对生成的码本进行了训练，使得码本和SCHMM其它参数达到较好的一致。也探讨了码本大小及其对最终性能的影响并给出了相关实验结果。 展开更多

关键词 HMM 码本生成算法 语音识别 半连续隐马尔科夫模型 聚类 随机松驰

在线阅读 下载PDF 职称材料

基于CHMM的齿轮箱状态识别研究 被引量：21

7

作者 滕红智 赵建民 +2 位作者 贾希胜 张星辉 王正军 《振动与冲击》 EI CSCD 北大核心 2012年第5期92-96,127,共6页

针对离散隐Markov模型(HMM)在状态识别中的不足,结合齿轮箱全寿命实验数据,研究了基于连续隐Markov模型(CHMM)的状态识别方法。建立了基于齿轮箱原始振动信号的CHMM状态识别框架,提出了基于K均值算法和交叉验证相结合的状态数优化方法,... 针对离散隐Markov模型(HMM)在状态识别中的不足,结合齿轮箱全寿命实验数据,研究了基于连续隐Markov模型(CHMM)的状态识别方法。建立了基于齿轮箱原始振动信号的CHMM状态识别框架,提出了基于K均值算法和交叉验证相结合的状态数优化方法,通过计算待确定观测数据的极大似然概率值来确定齿轮箱当前状态。结果表明,用原始振动信号作为CHMM的输入可以实现状态识别,验证了模型的有效性,为齿轮箱基于状态的维修提供了科学依据。 展开更多

关键词 连续隐马尔科夫模型 K均值 交叉验证

在线阅读 下载PDF 职称材料

基于CHMM的轴承性能退化程度综合评估方法研究 被引量：12

8

作者 姜万录 杨凯 +1 位作者 董克岩 张生 《仪器仪表学报》 EI CAS CSCD 北大核心 2016年第9期2014-2021,共8页

针对传统轴承性能退化评估方法中退化阶段划分的主观性以及连续隐马尔科夫模型在建立评估模型时只考虑正常状态下的样本所引起评估结果的不足,提出了一种基于连续隐马尔科夫模型的轴承性能退化程度综合评估方法。该方法首先通过支持向... 针对传统轴承性能退化评估方法中退化阶段划分的主观性以及连续隐马尔科夫模型在建立评估模型时只考虑正常状态下的样本所引起评估结果的不足,提出了一种基于连续隐马尔科夫模型的轴承性能退化程度综合评估方法。该方法首先通过支持向量聚类方法将轴承全寿命周期划分成若干个退化阶段,然后从每个阶段中提取一定比例的样本用于训练,采用轴承正常阶段的训练样本建立轴承的连续隐马尔科夫模型,将不同退化阶段的训练样本输入模型,分别得到不同阶段样本相对于所建立正常阶段的连续隐马尔科夫模型的输出概率,据此得到样本隶属于不同退化阶段的隶属函数分布。最后,采用集对分析的方法建立轴承测试样本相对于正常阶段样本的联系度,并最终得到轴承性能退化程度的综合得分。通过利用轴承全寿命数据,并与传统连续隐马尔科夫模型及传统无量纲指标进行了对比,验证了所提出的综合评估方法在轴承性能退化评估方面的有效性。 展开更多

关键词 连续隐马尔科夫模型 综合评价方法 集对分析 支持向量聚类

在线阅读 下载PDF 职称材料

基于ARM的语音控制开关设计

9

作者 程晓旭 李军 +1 位作者 王连平 司文 《东北师大学报（自然科学版）》 CAS CSCD 北大核心 2009年第1期44-47,共4页

给出了一种基于ARM处理器的语音控制开关,这种开关通过采用基于统计模型的半连续隐马尔科夫模型,实现了开关命令的识别和检出,进而实现控制电器开关的通断.与传统的触摸式或简单的声控开关相比,语音控制开关具有智能化、非接触、操控准... 给出了一种基于ARM处理器的语音控制开关,这种开关通过采用基于统计模型的半连续隐马尔科夫模型,实现了开关命令的识别和检出,进而实现控制电器开关的通断.与传统的触摸式或简单的声控开关相比,语音控制开关具有智能化、非接触、操控准确等优点,因此,在工业设备控制和家用电器控制等很多领域都具有广泛的应用前景. 展开更多

关键词 控制开关 ARM 语音识别 半连续隐马尔科夫模型

在线阅读 下载PDF 职称材料

基于MFCC和HMM的气固流型辨识 被引量：2

10

作者 胡红利 闫洁冰 +1 位作者 邢文奇 张炜 《沈阳工业大学学报》 EI CAS 北大核心 2013年第5期555-560,共6页

针对气力输送管道中测控装置后常见的三种过渡流型,即中心流、环状流和层状流,采用静电传感器作为测量装置获得静电流动噪声信号,借鉴语音信号处理方法,提取静电流动噪声信号的梅尔频率倒谱系数(MFCC)及其一阶差分作为特征参数,用特征... 针对气力输送管道中测控装置后常见的三种过渡流型,即中心流、环状流和层状流,采用静电传感器作为测量装置获得静电流动噪声信号,借鉴语音信号处理方法,提取静电流动噪声信号的梅尔频率倒谱系数(MFCC)及其一阶差分作为特征参数,用特征参数训练连续高斯混合密度隐马尔科夫模型(CGHMM),建立不同流型的模型库,再用训练好的CGHMM模型对提取的特征参数进行分类,进而实现流型识别.实验结果表明,该方法识别率达到98%,为气固流流型识别及气力输送测控装置提供了新的研究方法. 展开更多

关键词 气固两相流 测控装置 语音信号处理 流型识别 梅尔频率倒谱系数 静电传感器 流动噪声信号 连续高斯混合密度隐马尔科夫模型

在线阅读 下载PDF 职称材料

基于ABC-BW优化CHMM的风机齿轮箱故障诊断 被引量：3

11

作者 李韵仪 沈艳霞 《噪声与振动控制》 CSCD 北大核心 2021年第4期80-85,233,共7页

提出一种将人工蜂群算法(Artificial Bee Colony Algorithm,ABC)与Baum-Welch算法结合的连续隐马尔科夫模型(Continuous Hidden Markov Model,CHMM)并将其应用于风力发电机齿轮箱故障诊断。首先利用小波包分解与重构提取信号频带能量作... 提出一种将人工蜂群算法(Artificial Bee Colony Algorithm,ABC)与Baum-Welch算法结合的连续隐马尔科夫模型(Continuous Hidden Markov Model,CHMM)并将其应用于风力发电机齿轮箱故障诊断。首先利用小波包分解与重构提取信号频带能量作为特征向量;将正常及各故障状态的训练样本特征作为模型观测值输入CHMM模型与优化模型进行训练,最后将各个检验样本特征输入各状态模型中进行对比,得到待测样本在训练模型中的输出概率,将其作为故障诊断的评判依据。 展开更多

关键词 故障诊断 风机齿轮箱 连续隐马尔科夫模型 小波包变换 人工蜂群算法

在线阅读 下载PDF 职称材料

基于联锁运行数据的转辙机健康状态智能分析方法 被引量：5

12

作者 张轩赫 梁志国 +1 位作者 张宏扬 王海峰 《北京交通大学学报》 CAS CSCD 北大核心 2023年第2期137-146,共10页

转辙机是重要的安全关键信号设备,目前多依赖人工经验进行健康状态分析,存在误差大、预测不准的问题,现场维修维护面临很大压力.基于转辙机控制原理,利用联锁运行数据,提出一种结合深度置信网络和连续隐半马尔科夫模型的智能分析方法,... 转辙机是重要的安全关键信号设备,目前多依赖人工经验进行健康状态分析,存在误差大、预测不准的问题,现场维修维护面临很大压力.基于转辙机控制原理,利用联锁运行数据,提出一种结合深度置信网络和连续隐半马尔科夫模型的智能分析方法,对转辙机健康状态进行评估预测.首先,通过深度置信网络提取特征作为连续隐半马尔科夫模型的输入,利用联锁状态数据对预测模型进行训练,以不同观测值序列输出最大似然概率来确定转辙机的退化状态;然后,通过各退化状态驻留时间均值及方差计算转辙机退化状态的驻留时间,以此来预测转辙机健康状态的持续时间.实验表明,该方法在状态预测准确率方面达到83.08%,较传统隐半马尔可夫模型提高约13%,具有较好的预测精度,能够有效支撑现场维修维护工作.本文对信号设备的智能运维具有一定的借鉴作用. 展开更多

关键词 健康状态 转辙机 深度置信网络 连续隐半马尔科夫模型

在线阅读 下载PDF 职称材料