基于声纹特征融合的风机叶片异常识别方法

1

作者 余洪伍 汤占军 马锦雄 《电子测量与仪器学报》 CSCD 北大核心 2024年第11期99-108,共10页

为实现风机叶片异常时的准确监测,提出一种将互补集合经验模态分解与风机叶片声纹特征进行结合的方法。首先,采集到4种异常工作状态以及正常运行状态下的风机叶片的声纹数据,对其进行降噪、分帧和加窗操作的预处理,通过实验比对,选择互... 为实现风机叶片异常时的准确监测,提出一种将互补集合经验模态分解与风机叶片声纹特征进行结合的方法。首先,采集到4种异常工作状态以及正常运行状态下的风机叶片的声纹数据,对其进行降噪、分帧和加窗操作的预处理,通过实验比对,选择互补集合经验模态分解算法进行声纹数据的二次降噪,其次,对二次降噪后的帧信号进行模态分解提取模态分量,通过计算模态分量的皮尔逊相关系数筛选有效的模态分量,并对每层的模态分量提取梅尔频率倒谱系数、线性预测倒谱系数、gammatone倒谱系数、短时能量、以及短时平均过零率特征。最后,基于这些特征组合,采用支持向量机、朴素贝叶斯以及神经网络作为故障分类模型对声纹数据进行识别。研究结果表明,基于上述5种声纹特征组合在参数寻优后的神经网络模型下可以实现叶片异常的准确识别,识别准确率达到97.5%,该模型对早期异常的风机叶片识别效果较好,具有较好的泛化性能。 展开更多

关键词 梅尔频率倒谱系数 特征融合 互补集合经验模态分解 故障诊断 神经网络

在线阅读 下载PDF 职称材料

基于EMD和MFCC的舒张期心杂音的分类识别 被引量：16

2

作者 李宏全 郭兴明 郑伊能 《振动与冲击》 EI CSCD 北大核心 2017年第11期8-13,共6页

心音信号是一种具有非线性和非平稳特性的振动信号,基于线性时变或时不变模型的特征提取方法势必会忽略信号的一些内在信息,为了更好的反映心音的本质特征,提出了一种经验模式分解(Empirical Mode Decomposition,EMD)结合Mel频率倒谱系... 心音信号是一种具有非线性和非平稳特性的振动信号,基于线性时变或时不变模型的特征提取方法势必会忽略信号的一些内在信息,为了更好的反映心音的本质特征,提出了一种经验模式分解(Empirical Mode Decomposition,EMD)结合Mel频率倒谱系数(Mel-Frequency Cepstrum Coefficient,MFCC)的舒张期心杂音的分类识别方法。心音信号经EMD分解得到有限个固有模态函数(Intrinsic Mode Function,IMF),利用互相关系数准则筛选出主IMF分量,分别提取主IMF分量的MFCC、MFCC的一阶差分系数和Delta值,以此作为隐马尔科夫模型的输入向量,实现对临床采集的正常心音和2类舒张期心杂音分类识别,实验结果表明,该方法能有效的识别心音。 展开更多

关键词 舒张期心杂音 经验模式分解 mel频率倒谱系数 隐马尔科夫模型

在线阅读 下载PDF 职称材料

基于改进小波包去噪与梅尔倒谱系数的低信噪比交通环境声音识别 被引量：14

3

作者 王若平 李仁仁 +2 位作者 陈达亮 王东 房宇 《科学技术与工程》 北大核心 2019年第36期290-295,共6页

随着自动驾驶汽车研究的不断深入,对其环境感知系统提出了更高的要求。为了使自动驾驶汽车适应更复杂的交通环境,研究了低信噪比声学环境感知技术,提出改进的小波包去噪方法;采用经验模态分解(EMD)的方法改进梅尔频率倒谱系数(MFCC)的提... 随着自动驾驶汽车研究的不断深入,对其环境感知系统提出了更高的要求。为了使自动驾驶汽车适应更复杂的交通环境,研究了低信噪比声学环境感知技术,提出改进的小波包去噪方法;采用经验模态分解(EMD)的方法改进梅尔频率倒谱系数(MFCC)的提取;采用支持向量机(SVM)识别模型完成低信噪比交通环境声音识别。实验结果表明,本文提取的去噪方法提高声音事件信噪比的同时保持声音特征,且对噪声有自适应性;改进的MFCC提取方法一定程度上提高了特征参数的抗噪性能。通过对低信噪比交通环境声音去噪和特征参数优化后,其平均识别率比优化前提高了33.34%,并改变了识别率骤降的趋势。 展开更多

关键词 交通环境声音事件 小波包去噪 经验模态分解 梅尔频率倒谱系数 支持向量机

在线阅读 下载PDF 职称材料

基于信息融合的短语音说话人识别方法研究 被引量：3

4

作者 周萍 唐李珍 《计算机工程》 CAS CSCD 北大核心 2011年第2期169-171,共3页

针对短训练语音的说话人识别系统,提出一种基于决策层融合的识别算法。识别时运用经验模式分解法对语音信号进行处理,对获取的固有模态函数分量提取语音特征序列,分别进行匹配,通过决策层融合算法,将所得的匹配结果与传统独立识别结果... 针对短训练语音的说话人识别系统,提出一种基于决策层融合的识别算法。识别时运用经验模式分解法对语音信号进行处理,对获取的固有模态函数分量提取语音特征序列,分别进行匹配,通过决策层融合算法,将所得的匹配结果与传统独立识别结果相结合,最终输出识别结果。利用信号分解的方法,实现待测语音信号的重复识别,同时采用决策层融合算法优化识别结果,从而在短训练语音情况下,使系统的识别率得到保障。实验结果表明,该算法在短训练语音识别系统中的识别效果优于传统方法。 展开更多

关键词 短语音 说话人识别 美尔频率倒谱系数 经验模式分解 决策层融合

在线阅读 下载PDF 职称材料

基于EMD的改进MFCC的语音情感识别 被引量：6

5

作者 屠彬彬 于凤芹 《计算机工程与应用》 CSCD 2012年第18期119-122,共4页

人在不同情感下的语音信号其非平稳性尤为明显,传统的MFCC只能反映语音信号的静态特征,经验模态分解能够精细地刻画语音信号的非平稳特性。为提取情感语音的非平稳特征,用经验模态分解将情感语音信号分解为一系列固有模态函数分量,通过... 人在不同情感下的语音信号其非平稳性尤为明显,传统的MFCC只能反映语音信号的静态特征,经验模态分解能够精细地刻画语音信号的非平稳特性。为提取情感语音的非平稳特征,用经验模态分解将情感语音信号分解为一系列固有模态函数分量,通过Mel滤波器后取其对数能量,进行DCT反变换后得到改进的MFCC作为情感识别的新特征,采用支持向量机对高兴、生气、厌烦和恐惧等四种语音情感识别。仿真实验结果表明:改进的MFCC识别率达到77.17%,在不同的信噪比下,识别率最大可提高3.26%。 展开更多

关键词 语音情感识别 mel频率倒谱系数 经验模态分解 支持向量机

在线阅读 下载PDF 职称材料

基于两路传感信号的多源退化盲分离算法研究 被引量：4

6

作者 孟庆华 周晓军 庞茂 《中国电机工程学报》 EI CSCD 北大核心 2005年第24期165-170,共6页

在工程实际中大多数情况下面对的系统是一个黑匣子,无法确切知道其源信号的数目,传统的ICA算法无法使用。基于此给出了一种新的算法—退化盲源分离算法,该算法只需利用两路传感信号就可以确定其中的源信号数目,并将其通过构造分离系数... 在工程实际中大多数情况下面对的系统是一个黑匣子,无法确切知道其源信号的数目,传统的ICA算法无法使用。基于此给出了一种新的算法—退化盲源分离算法,该算法只需利用两路传感信号就可以确定其中的源信号数目,并将其通过构造分离系数分离出来。首先确定了该算法的适用前提条件假设,建立了考虑干扰信号因素在内的混合信号的数学模型,详细介绍了算法的实现过程。通过对5路人工合成的语音信号进行分离试验验证了该算法的可行性,并成功应用于工程实际中。 展开更多

关键词 退化盲分离 分离系数 时间-频域正交 非稳态信号 经验模态分解

在线阅读 下载PDF 职称材料

基于VMD和CNN-BiLSTM的矿井提升电动机故障诊断方法 被引量：4

7

作者 李敬兆 何娜 +2 位作者 张金伟 王擎 李化顺 《工矿自动化》 CSCD 北大核心 2023年第7期49-59,共11页

针对传统基于音频信号的电动机故障诊断方法获取电动机音频信号特征信息不足和故障诊断精度不高的问题,提出了一种基于优化的变分模态分解(VMD)和卷积神经网络CNN-双向长短期记忆(BiLSTM)的矿井提升电动机故障诊断方法。针对模态混叠和... 针对传统基于音频信号的电动机故障诊断方法获取电动机音频信号特征信息不足和故障诊断精度不高的问题,提出了一种基于优化的变分模态分解(VMD)和卷积神经网络CNN-双向长短期记忆(BiLSTM)的矿井提升电动机故障诊断方法。针对模态混叠和端点效应问题,采用鲸鱼算法(WOA)优化的VMD对电动机音频信号进行分解,将电动机音频信号分解为K个本征模态分量(IMF),经Pearson相关系数筛选后,提取主IMF分量的13维静态MFCC特征参数,为了获取信号的动态特征,提取13维静态MFCC的一阶差分和二阶差分系数,构成39维特征向量,从而把动静态特征结合起来,提高故障诊断性能。为了提高故障诊断精度,在CNN中引入BiLSTM层,CNN在空间维度上提取音频信号的局部特征,BiLSTM在时间维度上保留音频信号的双向时间序列信息,捕获音频信号长距离依赖关系,从而最大程度保留全局和局部特征。实验结果表明:①VMD分解的每个IMF分量都具有独立的中心频率且分布均匀,在频域上表现出稀疏性的特点,能够有效避免模态混叠问题;在IMF求解中,VMD分解通过镜像延拓的方式避免了经验模态分解(EMD)和集合经验模态分解(EEMD)中出现的端点效应问题。②基于13维静态MFCC特征的故障诊断准确率为97.5%,基于39维动静态MFCC特征的故障诊断准确率比基于13维静态MFCC特征的故障诊断准确率提高了1.11%。③基于CNN-BiLSTM诊断模型的准确率达到98.61%,与目前通用诊断模型CNN,BiLSTM和CNN-LSTM相比,准确率分别提高5.83%,4.17%和3.89%。 展开更多

关键词 矿井提升电动机故障诊断 音频信号 变分模态分解 梅尔倒谱系数 CNN-BiLSTM

在线阅读 下载PDF 职称材料

基于VMD分解的MFCC+GFCC无人机噪音混合特征提取方法 被引量：7

8

作者 邹瑛珂 李祖明 +1 位作者 刘晓宏 贾云飞 《中国测试》 CAS 北大核心 2021年第11期141-146,共6页

为解决传统声信号特征在环境中对含有大风、街道常见人造声音干扰的无人机噪声信号识别率较低的问题,该文提出一种基于VMD分解的MFCC+GFCC无人机噪音混合特征提取方法。首先,对目标的声音信号进行VMD分解,获得各IMF信号和原始信号的能... 为解决传统声信号特征在环境中对含有大风、街道常见人造声音干扰的无人机噪声信号识别率较低的问题,该文提出一种基于VMD分解的MFCC+GFCC无人机噪音混合特征提取方法。首先,对目标的声音信号进行VMD分解,获得各IMF信号和原始信号的能量之比;然后,利用已获得的信号进行MFCC/GFCC系数提取,并获得二者的一阶差分系数;最后,使用随机森林分类算法对信号进行分类,从而实现对无人机噪声信号的正确识别。结果表明:识别准确率比单MFCC/GFCC等传统特征提取方法在含噪或纯净无人机噪声条件下识别率提升4%以上。 展开更多

关键词 特征提取 无人机 变分模态分解 梅尔倒谱系数 GammaTone倒谱系数 随机森林

在线阅读 下载PDF 职称材料

解相关多频率经验模态分解的故障诊断性能优化方法 被引量：17

9

作者 詹瀛鱼 程良伦 王涛 《振动与冲击》 EI CSCD 北大核心 2020年第1期115-122,149,共9页

针对故障诊断中采用EMD方法存在模态混叠现象,引起故障特征提取精度低的问题。提出了一种解相关多频率经验模态分解(Decorrelation Multiple-Frequency Empirical Mode Decomposition,DMFEMD)方法,首先对初始信号添加多个频率的掩蔽信号... 针对故障诊断中采用EMD方法存在模态混叠现象,引起故障特征提取精度低的问题。提出了一种解相关多频率经验模态分解(Decorrelation Multiple-Frequency Empirical Mode Decomposition,DMFEMD)方法,首先对初始信号添加多个频率的掩蔽信号,初步分解其中不同频率比的信号分量得到多个IMF分量;其次计算相邻IMF之间的相关系数并对其解耦,进一步分离IMF中存在混叠的部分,得到最优IMF;最终,从原始信号中减去最优IMF,然后重复上述步骤,直到残余分量为常数或单调。由于保证了IMF之间互不相关且互不干扰,因此模态混叠现象显著减弱,有效提高故障特征提取精度。利用排列熵算法对一系列最优IMF构造特征样本集,引入SVM建立故障分类模型,实现设备故障诊断。通过试验证明,DMFEMD与传统的方法相比,能有效分离不同频率比混合信号,提高分解效果。同时以轴承振动信号为例,DMFEMD可以更好的提取轴承的故障特征,结合PE与SVM能够实现不同故障类型的高效精确的诊断。 展开更多

关键词 经验模态分解(EMD) 相关系数 多频率 故障特征提取 故障诊断

在线阅读 下载PDF 职称材料

无人机识别的音频特征提取方法 被引量：14

10

作者 丘恺彬 李建良 《噪声与振动控制》 CSCD 2018年第2期188-192,共5页

针对无人机飞行时噪声产生的机理,分别选取基于经验模态分解(EMD)的能量比以及梅尔频率倒谱系数(MFCC)的特征提取算法实现无人机声信号的特征提取,并引用主成分分析(PCA)方法对特征集进行降维融合处理。最后选择矢量量化方法(VQ)作为分... 针对无人机飞行时噪声产生的机理,分别选取基于经验模态分解(EMD)的能量比以及梅尔频率倒谱系数(MFCC)的特征提取算法实现无人机声信号的特征提取,并引用主成分分析(PCA)方法对特征集进行降维融合处理。最后选择矢量量化方法(VQ)作为分类器对不同类型的无人机目标进行分类与识别。实验结果表明特征融合后的分类性能要好于基于单一特征的分类性能,该方法较好地体现不同类型无人机之间的差异,分类结果准确率较高,具有良好的稳定性。 展开更多

关键词 声学 经验模态分解 梅尔频率倒谱系数 特征提取 矢量量化方法 分类与识别

在线阅读 下载PDF 职称材料

一种新的四元阵列融合声源识别方法 被引量：3

11

作者 刘亚雷 顾晓辉 甘宁 《科学技术与工程》 北大核心 2020年第28期11620-11625,共6页

针对声源识别中观测模型线性化误差,信号特征参数提取依赖于经验分析阈值判断而造成信息丢失的问题,从信号观测模型、预处理、特征提取与分类识别、半实物仿真试验等方面,提出了一种新的四元阵列融合声源识别方法。首先在系统坐标系下... 针对声源识别中观测模型线性化误差,信号特征参数提取依赖于经验分析阈值判断而造成信息丢失的问题,从信号观测模型、预处理、特征提取与分类识别、半实物仿真试验等方面,提出了一种新的四元阵列融合声源识别方法。首先在系统坐标系下建立了四元阵列有色噪声环境下的观测模型;其次基于经验模态分解(empirical mode decomposition,EMD)理论,给出了四元阵列EMD融合算法,有效抑制了高频信号的干扰;再次基于梅尔频率倒谱系数-动态时间规整(Mel-frequency cepstrum coefficient-dynamic time warping,MFCC-DTW)方法,设计了阵列信号特征提取与分类识别算法;最后通过半实物仿真试验,并与相关研究基础对比,分别验证了提出的EMD融合算法及阵列信号特征提取与分类识别算法的有效性。 展开更多

关键词 被动声识别 经验模式分解 梅尔倒谱参数 动态时间规整

在线阅读 下载PDF 职称材料

基于改进的长短期记忆神经网络方言辨识模型 被引量：6

12

作者 艾虎 李菲 《科学技术与工程》 北大核心 2019年第2期163-169,共7页

在案件侦破中,方言的辨别能提供重要线索。为了对汉语方言进行辨别,基于长短期记忆神经网络(LSTM)的方言辨识模型被提出,语音样本数据,其中包括地区口头禅,均采集于贵州省6个地区,并提取梅尔频率倒谱系数(MFCC),每份语音样本MFCC后面加... 在案件侦破中,方言的辨别能提供重要线索。为了对汉语方言进行辨别,基于长短期记忆神经网络(LSTM)的方言辨识模型被提出,语音样本数据,其中包括地区口头禅,均采集于贵州省6个地区,并提取梅尔频率倒谱系数(MFCC),每份语音样本MFCC后面加上相应的地区口头禅MFCC,然后采用滑窗进行信息重叠分块,对每块分别进行横向与纵向奇异值分解并保留高贡献率的特征向量,把分块合并作为方言辨识模型的输入数据。先对LSTM进行改进,然后构建方言辨识模型。通过交叉实验对该模型进行训练和验证,从而对滑窗的宽度进行优化,同时与循环神经网络(RNN)进行比较。实验结果证明研究构建的LSTM模型对汉语方言辨识是高效的。 展开更多

关键词 汉语方言辨识 梅尔频率倒谱系数 地区口头禅 奇异值分解 长短期记忆神经网络

在线阅读 下载PDF 职称材料

基于改进的长短期神经网络的贵州方言辨识系统的设计与实现 被引量：3

13

作者 艾虎 李菲 《科学技术与工程》 北大核心 2019年第5期203-210,共8页

汉语方言的辨识能为案件侦破提供重要的线索,为了对贵州方言进行辨识,设计并实现了贵州方言辨识系统;该系统采用Client/Server与Browser/Server相结合的架构,其用户端采用Matlab实现并具有改进的长短期记忆神经网络算法,主要用于方言的... 汉语方言的辨识能为案件侦破提供重要的线索,为了对贵州方言进行辨识,设计并实现了贵州方言辨识系统;该系统采用Client/Server与Browser/Server相结合的架构,其用户端采用Matlab实现并具有改进的长短期记忆神经网络算法,主要用于方言的辨识和方言语音样本的采集。方言样本采集于贵州省6个地区,首先提取语音样本与口头禅的梅尔频率倒谱系数MFCC;然后每份语音样本MFCC后面加上相应地区的口头禅MFCC;最后通过奇异值分解得到该系统的输入数据。该系统的网站主要用于训练数据的储存与修改,采用ASP. NET技术并利用C#、Java Script和T-SQL等编程语言实现。实验结果证明贵州方言辨识系统是高效的,让用户获得极大的方便和客观统一的方言辨识结果。 展开更多

关键词 汉语方言辨识系统 梅尔频率倒谱系数 地区口头禅 奇异值分解 长短期记忆神经网络 ASP.NET C# Matlab

在线阅读 下载PDF 职称材料

超声辅助加工系统的刀具状态自感知算法

14

作者 桑汉德 陈爽 +2 位作者 张家豪 赵夙 李荣和 《应用声学》 CSCD 北大核心 2023年第4期746-755,共10页

超声波振动台内含压电材料,可以拾取切削过程产生的振动信号,实现不借助外部传感器刀具工作状态的自感知。为了从刀具振动信号中获取有效信息,该文提出一种基于经验模态分解的时频域重构算法。首先,采用经验模态分解算法将原始信号分解... 超声波振动台内含压电材料,可以拾取切削过程产生的振动信号,实现不借助外部传感器刀具工作状态的自感知。为了从刀具振动信号中获取有效信息,该文提出一种基于经验模态分解的时频域重构算法。首先,采用经验模态分解算法将原始信号分解,得到多个固有模态函数分量和残差分量;其次,计算原始信号与各分量之间的时频域互相关系数;再次,归一化时频域互相关系数作为权重值,将固有模态函数分量和残差进行重构;最后,通过数值仿真和超声辅助加工实验,验证了基于经验模态分解的时频域重构算法的去噪性能,提取了信噪比为5.03 dB的目标信号,从而实现了超声辅助加工系统的自感知功能。 展开更多

关键词 超声辅助加工 自感知技术 经验模态分解 互相关系数 时频域权重

在线阅读 下载PDF 职称材料