高噪声环境下基于倒谱距离的语音端点检测算法的实现

为了在高噪声环境下得到较清晰的语音信息,对倒谱距离算法进行了改进,利用语音信号的倒谱向量判断语音端点信息。MATLAB仿真实验结果表明,在白噪声和汽车噪声环境下,信噪比分别为10 dB和15 dB时,得到的语音单字清晰度分别达到93%和95%,实现了90~100 dB高噪声环境下可靠的语音通信。     

一种新的对数能量谱熵语音端点检测方法

将一种新的对数能量(LE)特征和谱熵(SE)特征相结合,提出一种新的对数能量谱熵(LESE)特征,采用模糊C均值聚类算法和贝叶斯信息准则算法进行LESE特征门限估计,并使用双门限法进行语音端点检测.在TIMIT连续语音库上的实验结果表明,相比于能量谱熵(EE)法和对数能量(LE)法,在噪声环境下LESE法具有更好的检测性能,表现出更好的稳健性.当信噪比为-5 dB时,LESE法的检测错误率仅为18.02%,在信噪比为0~10 dB时,其检测错误率要明显低于EE法和LE法.     

基于改进压缩感知的生猪音频信号处理

为了快速准确地获取生猪的音频信息,消除无线信道的拥塞问题,提出基于普减法的压缩感知。在信息采集端采用微处理器NanoPCT4控制的麦克风采集音频信号,通过基于普减法的稀疏基矩阵和测量矩阵,减小声音传输量,接收端运用OMP算法,将压缩信号进行恢复重构,实现对生猪音频信号的快速准确传输。结果表明,通过运用这套压缩-重构系统,重构率提高20.75%,重构时间缩短近0.20 s,去噪后的峰值信噪比较未去噪的峰值信噪比增大了近1.50 dB,降低了信息传输量,节省了信号处理、存储和传输的时间,同时也降低信号失真。     

若干块循环图的距离谱和距离能量

计算一些块循环图的距离谱和距离能量．在此基础上,给出一个从一组距离正则的非同谱等能量图构造任意多组距离正则的非同谱等能量图的方法．     

基于深度神经网络及隐马尔科夫模型的生猪状态音频识别

针对传统音频识别方法在生猪音频信号识别中识别率较低的问题,将深度神经网络及隐马尔可夫模型理论作为生猪音频信号识别依据,以长白猪的吃饭声、发情声、嚎叫声、哼叫声和生病长白猪的喘气声为识别对象,利用卡尔曼滤波和改进的EMD-TEO倒谱距离端点检测算法对生猪音频信号进行预处理,把提取的39维的梅尔频率倒谱系数(Mel-frequency cepstral coefficient,MFCC)作为网络学习和识别的数据集,构建基于深度神经网络及隐马尔科夫模型的生猪状态音频识别模型。试验结果表明:1)隐马尔可夫隐状态数设置为5,深度神经网络隐藏层设置为3层,每层128个节点的深度神经网络-隐马尔可夫模型(Deep neural network-hidden Markov model,DNN-HMM),对5种生猪状态音频,即吃饭声、嚎叫声、哼叫声、发情声和病猪喘气声的识别率为70%、95%、75%、80%和95%,总体识别率83%;2)相较于传统的高斯混合模型-隐马尔可夫模型(Gaussian mixture model-hidden Markov model,GMM-HMM),DNN-HMM对相应音频的识别率分别提高了5%、5%、15%、30%、30%,总体识别率提高了17%;3)DNN-HMM模型对于5种不同类型的生猪音频信号均呈现出较好的识别效果。基于DNN-HMM生猪音频识别模型,对生猪不同状态下音频的识别具有较高正确率,且更为可靠。     

基于EMD 的中国生猪生产波动分析

采用EMD和FFT方法对中国的生猪产量波动周期进行分析,结果表明:(1)我国生猪产量总体发展特征是在波动中不断上升,但年增长率呈缓慢下降趋势;(2)就产量而言,我国生猪波动周期以3.33年短周期为主(贡献率高达53.7%),此外还存在一个较为清晰的5年中周期以及更长周期的波动尺度;(3)近几年生猪产量波动越来越大,波动周期性也越加模糊。     

基于HHT的电能质量暂态扰动信号检测技术

针对电网中暂态扰动信号难以检测这一难题,提出了一种利用HHT(希尔伯特-黄变换)进行处理的新方法。HHT通过经验模态分解法(EMD)和Hilbert变换,在检测非平稳信号的起止时间,频率和幅值有较好的效果。利用HHT分别对暂态谐波、电压中断、电压暂降和电压暂升4类典型的暂态扰动及其复合组合信号进行仿真验证,结果表明该方法可以较准确的实现对电能质量非平稳信号的分析和处理。该研究为电能质量信号的检测提供了新方法,为电网的治理开辟了新思路。     

基于小波能量谱和BP神经网络的皮蛋破损检测

根据皮蛋蛋壳的声学特性,采用小波变换和BP神经网络相结合的处理方法,对皮蛋进行破损检测。首先对采集到的声音信号进行6层小波分解,计算每层分解信号的小波能量谱,构造小波能量谱分布的特征向量,然后将其作为神经网络的输入向量,基于MATLAB创建了网络结构为6-20-2的BP神经网络。检测结果表明,该方法对好壳皮蛋的识别率为88.5%,对损壳皮蛋的识别率为83.3%。     

基于音频特性的西瓜成熟度无损检测技术研究

目前西瓜的成熟度的鉴定仍然采用传统的算、看、听、测等方法,这些方法都难以对西瓜成熟度做出精确判断,本文通过分析不同成熟度西瓜样本的拍击音频信号,借鉴国内外的先进技术和经验,提取了和西瓜成熟度密切相关的几种特征,并从中找出1个相关性最高的特征-通带能量向量完成对西瓜成熟度的无损检测。     

基于 Von-Karman谱的独立林木风倒机理的频率域分析1）

从频率域角度对独立林木的风倒机理等方面进行了研究。结果表明,前期研究所建立起来的动力学模型是合理的,并以此为基础,采用Von-Karman风谱模型计算出作用于林木的力谱,给出阵风频率的能量分配问题,从而获得基础弯矩谱,并给出基础弯矩极值的解析表达式,分析了影响参数变化灵敏度的原因。以悬铃树为例进行数值计算,得到了与测量值相吻合的有意义的结论,为后续研究和工程应用提供了理论基础。     

基于改进YOLOv4模型的群养生猪姿态检测

为了提升猪舍环境下生猪姿态检测的速度和性能,在YOLOv4模型的基础上提出一种改进的Mini＿YOLOv4模型。首先,该模型将YOLOv4的特征提取网络改为轻量级的MobileNetV3网络结构,以降低模型参数量;其次,在检测网络的CBL＿block1、CBL＿block2模块中使用深度可分离卷积代替传统卷积,避免了复杂模型导致的内存不足和高延迟问题;最后,将原YOLOv4网络每个尺度的最后一层3×3卷积改为Inception网络结构,以提高模型在生猪姿态检测上的准确率。应用上述模型,对生猪的站立、坐立、腹卧、趴卧和侧卧5类姿态进行识别。结果显示,Mini＿YOLOv4模型较YOLOv4模型在检测精度上提升了4.01百分点,在检测速度上提升近1倍,在保证识别精度的同时提升了实时性,可为生猪行为识别提供技术参考。     

基于肤色信息和距离变换的快速人脸检测算法

人脸识别技术是当今人工智能和模式识别领域的一项重要研究内容,快速稳定的人脸检测算法已成为新的研究热点。提出了一种基于肤色模型和距离变换的快速人脸检测算法,首先利用肤色在颜色空间的类聚特性对肤色加以判别,从而确定出人脸区域在图像中的基本位置,然后运用距离变换结合人脸的几何特征计算出长和宽,最终实现人脸的定位。实验结果表明:该算法简单,易实现,在执行时间和识别率上取得了较好的效果。     

基于EMD自适应阈值的铡草机振动信号去噪

针对铡草机振动信号噪声污染的问题,采用EMD(Empirical mode decomposition)与基于SURE(Stein's unbiased risk estimate)的自适应阈值算法,并利用自相关函数性质与二阶可导阈值函数,对铡草机振动信号进行研究.结果表明:1)模拟信号经EMD自适应阈值去噪后,信噪比...     

一种改进的Hausdorff距离的图像匹配算法仿真分析

在农作物病虫害的图像诊断中,应用基于Hausdorff距离的边缘图像匹配算法可简便计算。但Haus-dorff距离缺点是不能处理目标被遮掩和外部点存在的情形,鲁棒性不足。针对传统Hausdorff距离匹配算法的缺点,引入一种改进的Hausdorff距离算法。改进的Hausdorff距离匹配算法可以对有噪声、遮掩、分辨率降低和水平角度旋转的图像进行很好的匹配。通过仿真,证明了改进的Hausdorff算法具有更强的鲁棒性和适应性,能在有畸变的图像中估计出最佳的匹配位置。     

基于音频技术的肉鸡采食量检测方法研究

【目的】通过研究肉鸡采食音频提出一种基于音频技术的肉鸡采食量检测方法,以摆脱目前我国肉鸡采食量数据主要是人工测量群体采食量的现状,为准确获取肉鸡采食量信息提供技术支持。【方法】录音笔采集到的采食音频经分帧加窗、端点检测等预处理后,将有效声音片段提取出来,依托不同声音的功率谱密度曲线差异,使用单分类支持向量机(OC-SVM)对提取出的有效声音片段进行分类识别。利用音频技术检测肉鸡进食时的啄食次数,分析确定啄食次数与采食量的关系,利用啄食次数与采食量的高相关性计算肉鸡采食量。【结果】利用音频技术检测的肉鸡啄食次数与采食量高度相关,决定系数(R~2)=0.982 5。啄食次数计算正确率为94.58%,采食量计算正确率为91.37%。【结论】该方法可用于肉鸡采食量测定。     

二温式PCR检测猪传染性胸膜肺炎放线杆菌方法的建立与应用

为了探索简便、快速确诊猪传染性胸膜肺炎的方法,根据猪传染性胸膜肺炎放线杆菌(APP)apx IV基因序列,设计合成1对特异性引物,建立聚合酶链反应(PCR)检测APP的方法。采用该方法对APP和其他6种猪病病原核酸进行检测,结果只对APP扩增出与预期大小相符的422bp DNA片段,而对其他6种猪病病原核酸的扩增结果为阴性。该PCR最低可检出10pg的APP DNA。对送检的46份可疑病猪组织进行检测,结果有19份样品为阳性,27份为其他病原感染。     

基于声波信号递归图的鸡蛋裂纹检测

针对基于声波信号的鸡蛋裂纹检测过程中易受到噪音干扰的问题,采集运输线上敲击鸡蛋产生的声波信号,对信号进行递归图分析,采用递归定量分析提取递归图的量化特征参数,用于鸡蛋壳裂纹的分类检测。分别构建基于支持向量机(support vector machine,SVM)、反向传播神经网络模型的鸡蛋裂纹分类检测模型,对300枚鸡蛋进行检测。结果表明,SVM检测模型效果较好;在SVM模型中,完好蛋和裂纹蛋的识别率分别达93.98%和95.52%,效果理想。     

基于轻量化YOLOv4的生猪目标检测算法

针对目前生猪目标检测算法模型较大,实时性差导致其难以在移动终端中应用等问题,将一种改进的轻量化YOLOv4算法用于生猪目标检测.在群养猪环境下以不同视角和不同遮挡程度拍摄生猪图像,建立生猪目标检测数据集.基于轻量化思想,在YOLOv4基础上缩减模型大小.结果表明,本研究算法的准确率和召回率分别为96.85％和91.75...