在水声被动定位领域,用于定位的脉冲信号参数估计误差较大,会使得系统的定位性能下降。文章针对这一问题提出了一种基于到达角度(Direction Of Arrival,DOA)与相邻脉冲到达时间差(Time Of Arrival,TOA)的改进无迹卡尔曼滤波(Unscented K...在水声被动定位领域,用于定位的脉冲信号参数估计误差较大,会使得系统的定位性能下降。文章针对这一问题提出了一种基于到达角度(Direction Of Arrival,DOA)与相邻脉冲到达时间差(Time Of Arrival,TOA)的改进无迹卡尔曼滤波(Unscented Kalman Filter,UKF)被动定位方法。该方法选取DOA与TOA作为观测量并建立定位模型,首先使用滑动平均滤波(Moving Average Filtering,MAF)方法对用于初值估计的观测数据进行平滑预处理,之后使用伪线性估计方法(Pseudo-Linear Estimation,PLE)求解目标状态初值,并使用UKF方法对目标运动轨迹进行跟踪。仿真结果表明,相比于传统的扩展卡尔曼滤波(Extended Kalman Filter,EKF)和UKF定位方法,文章方法能够有效地提升收敛速度与收敛率,改善系统的定位性能。展开更多
为研究信号相关性在语音情感识别中的作用,提出了一种面向语音情感识别的语谱图特征提取算法.首先,对语谱图进行处理,得到归一化后的语谱图灰度图像;然后,计算不同尺度、不同方向的Gabor图谱,并采用局部二值模式提取Gabor图谱的纹理特征...为研究信号相关性在语音情感识别中的作用,提出了一种面向语音情感识别的语谱图特征提取算法.首先,对语谱图进行处理,得到归一化后的语谱图灰度图像;然后,计算不同尺度、不同方向的Gabor图谱,并采用局部二值模式提取Gabor图谱的纹理特征;最后,将不同尺度、不同方向Gabor图谱提取到的局部二值模式特征进行级联,作为一种新的语音情感特征进行情感识别.柏林库(EMO-DB)及FAU Ai Bo库上的实验结果表明:与已有的韵律、频域、音质特征相比,所提特征的识别率提升3%以上;与声学特征融合后,所提特征的识别率较早期声学特征至少提高5%.因此,利用这种新的语音情感特征可以有效识别不同种类的情感语音.展开更多
文摘在水声被动定位领域,用于定位的脉冲信号参数估计误差较大,会使得系统的定位性能下降。文章针对这一问题提出了一种基于到达角度(Direction Of Arrival,DOA)与相邻脉冲到达时间差(Time Of Arrival,TOA)的改进无迹卡尔曼滤波(Unscented Kalman Filter,UKF)被动定位方法。该方法选取DOA与TOA作为观测量并建立定位模型,首先使用滑动平均滤波(Moving Average Filtering,MAF)方法对用于初值估计的观测数据进行平滑预处理,之后使用伪线性估计方法(Pseudo-Linear Estimation,PLE)求解目标状态初值,并使用UKF方法对目标运动轨迹进行跟踪。仿真结果表明,相比于传统的扩展卡尔曼滤波(Extended Kalman Filter,EKF)和UKF定位方法,文章方法能够有效地提升收敛速度与收敛率,改善系统的定位性能。
文摘为研究信号相关性在语音情感识别中的作用,提出了一种面向语音情感识别的语谱图特征提取算法.首先,对语谱图进行处理,得到归一化后的语谱图灰度图像;然后,计算不同尺度、不同方向的Gabor图谱,并采用局部二值模式提取Gabor图谱的纹理特征;最后,将不同尺度、不同方向Gabor图谱提取到的局部二值模式特征进行级联,作为一种新的语音情感特征进行情感识别.柏林库(EMO-DB)及FAU Ai Bo库上的实验结果表明:与已有的韵律、频域、音质特征相比,所提特征的识别率提升3%以上;与声学特征融合后,所提特征的识别率较早期声学特征至少提高5%.因此,利用这种新的语音情感特征可以有效识别不同种类的情感语音.
