说话人识别特征提取中改进算法的研究

从说话人的语音信号中提取说话人的个性特征是说话人识别的关键环节,介绍线性预测MEL倒谱系数（LPMCC）和一阶差分（△MFCC）,二阶差分（△△MFCC）再加上时域特征信息的帧能量参数构成的（3Q＋1）维特征矢量的特征提取的两种改进算法,并通过实验比较了两种算法在识别率上的差别。     

自组织特征映射神经网络在说话人识别中的应用

Mel频率倒谱系数MFCC在说话人识别中已被广泛使用。本文以MFCC为声音信号的特征参数提取的标准。识别部分采用自组织神经网络的方法进行建模,实验结果表明该方法有较高的识别率。     

基于MATLAB鸟叫声特征提取方法的研究

脊椎动物中最重要的生物类群之一的鸟类不仅在维持和保护生态平衡和生物防治等多方面起着十分重要的作用,而且对人类来说鸟类在很多方面还具有极高的经济价值。鸟叫声作为研究鸟类的生物学最重要的特征之一,因此主要采用MATLAB2010a对鸟类的叫声进行相应的特征提取并对其进行仿真,主要包括对鸟叫声的预处理、线性预测分析(LPC)、美尔频率倒谱系数(MFCC),并用MATLAB2010a设计一款软件实现对鸟叫声的特征提取。     

基于交通噪声的交通量测量方法研究与实例分析

在提取车辆噪声信号特征的基础上,利用互谱声强测量分析和spss统计分析等手段,提出基于车辆噪声信号的交通流特征参数检测技术,在对检测数据进行数据统计与回归分析的同时,得出交通流与交通噪声间的关系,为提高交通流检测技术水平提供理论基础和实践基础。     

噪声环境下木材纹理分类的研究

为了实现木材分类识别的自动化,应用灰度共生矩阵建立了木材纹理的参数体系,并进行了分类研究。首先在无噪声的环境下提取了木材的共生矩阵纹理原始特征参数,并对其进行特征选择,进而建立了木材纹理参数体系。对该参数体系进行噪声适应性测试的实验结果表明,无噪声情况下样本识别率为87.50%;0.2%￣1.0%椒盐噪声环境下样本识别率范围为87.00%￣88.00%。表明该参数体系具有良好的抗击噪声能力和一定的工程实用价值。     

内燃机故障声响信号时间序列模型诊断方法

本文运用统计模式识别原理,提出了一种以内燃机声响信号的时间序列自回归系数及自回归倒谱系数作为模式的特征参数,对参考模式和待检模式用灰色系统的关联测度、Mahalanobis距离测度和Kullback-leiber信息量距离测度同时进行识别,并用层次分析法对识别结果进行综合,从而达到诊断故障目的的方法。通过实验验证,表明其是有效而可行的方法。     

钻蛀性害虫取食声音的人工智能早期识别

【目的】以双条杉天牛为研究对象,设计基于卷积神经网络的识别模型识别其取食声,并对模型的抗噪性能进行测试,以期实现蛀干害虫的早期预警。【方法】使用SP-1 L探头连接NI 9215电压采集卡采集双条杉天牛咬食木段的声音和典型户外环境下的噪声并以音频格式保存。研究选取部分噪声作为加噪音频,以-3 dB至3 dB的信噪比向双条杉天牛取食声中混入环境噪声,生成训练数据和简单测试集,然后经过短时傅里叶变换、对数计算、平均池化3步操作计算音频的平均对数谱,分别设计并训练基于卷积神经网络的识别模型和传统高斯混合模型,提取音频特征判断音频是否为双条杉天牛取食声。为进一步测试模型的抗噪性能,利用独立划分的加噪音频以-7～3 dB的信噪比向双条杉天牛取食声中混入噪声生成抗噪测试集,对卷积神经网络和传统高斯混合模型的抗噪性能进行测试。【结果】在简单测试集上,基于卷积神经网络的识别模型的识别准确率为98.80%,较高斯混合模型有0.88%的下降。在抗噪测试集上,基于卷积神经网络的识别模型识别双条杉天牛取食声的整体准确率为97.37%,较高斯混合模型提高6.76%,其中,信噪比为-3 dB时,识别准确率为98.13%,较高斯混合模型提高9.80%,信噪比为-6 dB时,识别准确率为92.13%,较高斯混合模型提高5.67%。【结论】卷积神经网络能有效综合频谱特征,准确判断音频中有无双条杉天牛的取食声,同时,相比高斯混合模型,卷积神经网络具有良好的泛化能力,在低信噪比下仍能保证较高的识别准确率。基于卷积神经网络的取食声识别模型能够适应林木蛀干害虫的野外监测环境,可为隐蔽蛀干害虫的自动化监测和早期预警提供技术支撑。     

BX1710螺旋面多刀削片机噪声特性与发声机理分析

本文通过木材削片工艺过程中各主要噪声源的识别,以各部分机械设备噪声调查测试为依据,首先确定了BX1710型削片机噪声在整个加工系统中的绝对主导地位,并以削片机为研究核心,根据整机的结构特点和不同的运转状态,对各主要构件的噪声特性与发声机理进行了研究与分析,揭示了该机在两种工况下其噪声强度及声频成分存在着严重的差异,得出该机在负载情况下发声机理的简要框图。     

基于优化卷积神经网络的木材缺陷检测

针对深度学习中的卷积神经网络算法,在木材无损检测过程中存在缺陷定位不准确、缺陷轮廓和边界信息不完整、识别精度需进一步提高等问题,利用非下采样剪切波变换最优稀疏表示特性,以及简单线性迭代聚类算法能很好地保持像素紧凑度和图像边界轮廓的优点,设计了一种优化的卷积神经网络算法,以提高木材无损检测的准确率。首先采用非下采样剪切波变换对采集的木材图像进行简单预处理,保留木材图像的缺陷特征不丢失,降低图像处理的复杂度以及运算量;然后利用卷积神经网络对木材图像实现深层次的算法设计,同时应用简单线性迭代聚类算法对初步模型进行增强改进,提取出相对准确的木材缺陷轮廓;最后通过反复调整参数和调试优化器,优化卷积神经网络算法的收敛速度,提高学习和运算效率,完善卷积神经网络对木材缺陷轮廓的提取,在降低运算复杂度的同时,提高其精度,具有良好的鲁棒性。相比径向基函数(RBF)神经网络、向后反馈-径向基函数(BP-RBF)混合神经网络和卷积神经网络,本算法对木材缺陷具有更好的识别效果,其识别准确率达到98.6%左右,且识别时间相对更短。     

黄麻纤维毡吸声特性及其在汽车上的应用

由于植物纤维材料中的纤维直径不均匀,因此应用传统经验模型预测其吸声系数存在一定的局限性。而考虑了多孔材料微观结构和吸声系数之间关系的唯象模型,在精确辨识其非声学参数的前提下,可以获得较高的植物纤维材料吸声系数预测精度。以黄麻纤维毡为研究对象,基于阻抗管试验测得的吸声系数,运用粒子群优化算法辨识唯象模型的非声学参数,从而构建了黄麻纤维毡的吸声模型,并基于此模型开展了黄麻纤维毡的吸声特性及其在汽车上的应用研究。结果表明:黄麻纤维毡在高频范围内具有较好的吸声性能,其最大吸声系数可达0.82;基于粒子群优化算法辨识参数所建立的Johnson-Champoux-Allard吸声模型能较好地描述黄麻纤维毡的吸声性能;黄麻纤维毡的吸声系数受孔隙率、黏性特征长度和热特征长度的影响相对较小,其随厚度和流阻率的增大而增大,且吸声系数峰值所对应的频率随曲折因子的增大而向低频区域移动;黄麻纤维毡具有比车用传统毛毡类材料更好的吸声特性,可望替代车用传统毛毡,成为绿色环保的车用吸声材料。     

不同光环境下6种常绿阔叶林树种苗期的叶片功能性状

研究不同光环境(旷地、林窗、林下)下缙云山常绿阔叶林6种常见树种的叶片功能性状及性状间的相互关系,并对不同演替阶段物种的叶片性状进行比较.结果表明:1)在光照较弱的林窗和林下,树种的比叶面积(SLA)、叶片氮含量(LNC)和叶片N:P比显著高于光照充足的旷地,叶干物质含量(LDMC)变化趋势与SLA相反,叶片磷含量(LPC)在3种光环境下无显著差异;2)演替前期种具有较高的SLA,LNC和LPC,而演替后期种的LDMC和N:P比显著高于演替前期种.随光照的减弱,演替前期种的LPC无显著差异,而演替后期种则呈下降趋势;3)在3种光环境下,LNC与LPC,SLA正相关,LDMC与LPC,LNC,SLA负相关,N:P比与LPC负相关,而与LNC无显著相关性.随光照的减弱,SLA-LDMC,LPC-N:P及LNC-LPC性状关系沿共同斜率或Y轴截距发生了显著的变异,表明研究材料主要通过增大SLA,LNC及维持较高的N:P比来适应低光环境,不同演替阶段物种适应策略不同;叶功能性状间的权衡关系沿光资源梯度发生了相应的变化.     

高校校园的噪声监测评价研究

以大学校园噪声为调查对象,按学习区、住宿区、运动区和交通区4个功能区在2个校区同时开展了定点分时段的噪声测量,采用基于等效连续声级法进行了噪声评价.结果表明:调查的校园各功能区受到不同程度的噪声污染.8个监测区昼间仅西区的学习区和住宿区以及北区的运动区能保持相对良好的声环境;而夜间噪声值全部超标,噪声主要来源于交通噪声...     

飞机噪声预测与实测对比分析

对国内机场飞机噪声预测结果与实测数据进行了对比,在合理输入参数的条件下,采用国际通用的噪声预测软件INM对机场周围的噪声进行了计算,结果表明：其预测结果是可行的,并对误差产生原因进行了分析。     

基于土壤三组分重构模型的导热系数研究

土壤导热系数是土壤温差发电系统设计和优化等研究过程中最基本的参数,其具体数值常受到多种因素的影响。本研究的目的是建立能够有效预测不同因素下土壤导热系数的模型。在结合土壤自身多孔介质特性和固液气三相组成的基础上,构建土壤三组分随机混合重构模型,提出一种根据土壤干密度和质量含水率来计算土壤有效导热系数的方法。同时利用Hot Disk热常数分析仪实际测量32个不同含水率、不同干密度土壤样本的导热系数,对新建立的导热系数预测模型进行了测试验证。结果表明,本文提出的导热系数预测结果平均误差为3.05%,最大误差为10.82%;利用预测模型与前人研究实验值进行对比,平均误差为10.31%,最大误差为19.26%。结果证明该模型能较好地预测土壤导热系数。结合预测模型研究了土壤导热系数的影响因素,得到导热系数与干密度和质量含水率呈明显的正相关关系;并发现土壤在冻结状态下,导热性能明显增强。     

翅荚木同龄林林木叶片性状与胸径生长关系

【目的】林木胸径是森林调查和经营评价的重要因子,通过对翅荚木人工同龄林各径阶林木叶结构型与功能型指标的测定与分析,探明其叶片性状与胸径生长关系,为翅荚木优良种质资源选择和养分精准管理提供理论依据。【方法】采用主成分分析法确定影响翅荚木人工同龄林胸径生长的叶片性状指标,并分析其对胸径生长的影响。【结果】不同径阶翅荚木单叶面积(ILA)、比叶面积(SLA)、叶相对含水率(LRWC)、叶碳含量(LCC)、叶氮含量(LNC)、叶磷含量(LPC)、C/N、C/P、N/P及单位叶面积氮、磷含量(Narea与Parea)存在显著差异; ILA与LRWC等叶结构型性状指标及Parea、C/P、LPC和N/P等叶功能型性状指标对其胸径生长具有重要影响。其中,ILA和Parea均与胸径生长量呈极显著线性正相关关系(P0. 01),LRWC和叶片N/P则均与胸径生长量呈极显著的线性负相关关系(P0. 01);叶片C/P与胸径生长量呈先下降后上升的二次抛物线关系(P0. 01),而LPC则与胸径生长量呈先上升后下降的二次抛物线关系(P0. 05); SLA、Narea、LCC、LNC与C/N等指标则与胸径生长量相关性不显著。【结论】叶结构型性状指标单叶面积、叶相对含水率及Parea、C/P、LPC和N/P等叶功能型性状指标对翅荚木胸径生长具有重要影响,其中叶结构型性状以ILA指标最为重要,叶功能型性状以反映叶片P含量(LPC和Parea)的性状指标最重要。     

基于广义回归神经网络的车辆制动距离预测

制动性能对车辆主动安全至关重要,其主要评价参数之一就是制动距离.以初速度、峰值附着系数、滑动附着系数和反应时间作为影响制动距离的主要因素变量,应用SIMULINK的制动模型,获得不同状况下的制动距离的结果,并将其作为神经网络的训练数据.基于广义回归神经网络（general regression neural network,GRNN）对于小样本能够实现精确预测的特点,提出应用其进行车辆制动距离的预测分析.结果表明：预测最大误差不超过11.50,预测相对误差不超过7.0％,表明预测精度较高.因此,应用GRNN可有效实现车辆制动距离的精确预测.     

国产人造板宽带砂光机功率谱密度和试验模态分析

以国产B229型四四砂架人造板双面宽带砂光机为研究对象,从易产生横纹缺陷入手,对其砂架部件、整机等分别采用试验模态分析(EMA)及功率谱密度法(PSD)来开展振动动态特性研究。在模态试验中,采取测量点固定、改变激振点的跑点测量方法,得到固定测量点对各激振点频响函数,并应用SISO频响函数识别法,通过频响函数曲线拟合来完成模态参数识别,获到典型的整机、砂架部件的频响函数图和接触辊的二阶振型图。通过PSD分析,获得砂光机的PSD图谱和激励频率等。     

四川山矾幼树叶功能性状在毛竹干扰下的响应

设置纯竹林、竹阔林、纯阔林3种毛竹干扰程度的样地,对其内四川山矾幼树叶功能性状的响应进行研究。研究表明:随着毛竹干扰程度的增加,四川山矾幼树比叶面积(SLA)减小,且均达到极显著的水平。从叶片氮(LNC)、磷(LPC)含量来看,随着干扰程度的增加LNC增加,LPC与LNC:LPC总体无显著差异。对叶绿素a(Chla)和叶绿素b(Chlb)的研究表明:随着干扰程度的增加Chla与Chlb减小,Chla/Chlb比值却增加。表明四川山矾幼树叶片功能性状对于毛竹干扰产生一系列适应性变化。从各功能性状间的相关关系来看,毛竹不同干扰程度的样地内Chla与Chlb含量呈极显著的正相关,Chlb和总叶绿素含量均与Chla/Chlb比值呈显著的负相关关系。LNC与SLA,LPC,LNC:LPC呈显著正相关,LPC与LNC:LPC则呈极显著的负相关,说明磷元素在毛竹不同干扰程度的样地中仍是限制元素。试验中叶片氮磷含量与叶绿素含量无明显的相关关系。     

喀斯特生境中濒危植物单性木兰种群结构及空间分布格局研究

[目的]以分布在喀斯特生境中的濒危植物单性木兰自然更新种群为研究对象,探究其种群年龄结构、空间分布格局及环境影响因素。[方法]采用点格局对单性木兰更新种群的空间分布格局进行分析,利用广义混合线性模型对幼苗的密度与环境因子间的关系进行线性拟合。[结果](1)研究区域中的单性木兰种群结构呈倒"J"型,种群存活曲线接近Deevey-Ⅲ型,大量小龄级幼苗的分布预示其种群更新状况良好;(2)单性木兰种群除在小尺度上有微弱的随机分布外,其余所有尺度上都呈聚集分布;(3)郁闭度、土壤湿度和岩石裸露率是影响单性木兰种群空间分布的主要因素。[结论]研究区域中的单性木兰更新种群状态良好,高强度的空间聚集分布主要是种子生物学特性和喀斯特生境特征共同作用的结果。     

马尾松猝倒病空间分布型及其参数特征应用的研究

研究病害的空间分布型,利用分布型提供的参数,不仅可以对研究资料提出可靠的数理统计方法,正确估计病害的危害程度,而且利用这些信息还可以分析病害对环境条件的适应程度,从而制定最佳防治措施。本文引用聚集指数C、CA、I、Iδ及Iwaom~·—X回归模型、Taylor幂法则对马尾松倒病进行空间分布型测定,利用分布型提供的特征参数探讨与其生物学特性的关系和它们在生产实践中的应用意义。