小波分解和改进卷积神经网络相融合的水声目标识别方法

针对具有非平稳特性的水声信号的分类识别问题,本文对卷积神经网络进行改进,并将改进的CNN网络与小波分解相融合,提出一种水下目标识别算法WAVEDEC_CNN.应用采集的4类湖试数据,对该算法进行验证.实验结果表明:与传统方法MFCC+SVM对比,WAVEDEC_CNN算法可提升正确识别率15.38％;与NO_CNN、W...     

基于Visual Basic环境下开发的数控加工仿真系统

本文介绍了在Ｖｉｓｕａｌ Ｂａｓｉｃ环境下，利用窗口的可视性和面向对象的程序设计方法开发的一个具有ＷＩＮＤＯＷＳ支持界面的数控加工仿真系统。     

建筑声学软件ODEON低频性能分析

ODEON是基于几何声学理论发展起来的一个建筑音质设计软件，已得到了许多同行的认可，但也存在一些不足．特别反映在其低频计算准确性较差方面。文中简要总结了该软件的功能特点，然后通过对比实际建筑的计算和测量结果，着重分析了该软件的低频计算性能，可为其在低频条件下的应用提供依据。     

计算房间脉冲响应的经典方法-声线跟踪法研究

详细介绍了以声线跟踪法为基础的各类计算房间脉冲响应方法的具体原理和算法,并对 其缺陷以及实现过程中需要注意的问题进行了探讨。     

基于结构参数变化的封闭空间声场听觉感知变化性研究

封闭空间在现实生活中广泛存在。然而,有关因封闭空间的结构参数(如容积、形状等)改变引发室内声场听觉感知变化性的研究则很少见,尤其缺乏系统深入的量化研究。为此,首先以双耳可听化技术配合室内声场测量,通过对听觉场景的模拟,获取了不同结构参数条件下的封闭空间室内双耳信号若干。随后,借助听音实验,对上述双耳信号开展了空间听觉感知变化性及其变化程度的定量评价研究。研究发现:(1)封闭空间容积、形状、壁面吸声系数的改变均能够引发声场听感变化,按照其变化明显程度(从大到小)排序为:壁面吸声系数、形状、容积;(2)变换听音位置,能够在一定程度上影响因空间容积与形状改变导致的室内声场听感变化性。     

水下目标信号的结构化稀疏特征提取方法

为了提取具有噪声鲁棒性的水下目标信号特征用于水下目标识别,通过分析实测水下目标辐射噪声的时频谱,发现其时频谱中往往存在稀疏分布的具有目标区分性信息的强能量窄带线谱。结合稀疏分解理论,利用窄带线谱的结构化稀疏特点,提出一种稀疏特征提取方法。该特征提取方法借助稀疏贝叶斯学习模型,利用相邻帧样本间的相关性信息,能够有效增强窄带线谱成分,提高特征的噪声鲁棒性。并用一组实测数据对该特征的分类性能进行了测试,结果表明该特征在训练样本和测试样本噪声条件不匹配的情况下,能够保持较高的识别正确率,是一种具有噪声鲁棒性的特征。     

基于相对风险模型的大冶市典型矿区生态风险评价

矿产资源开发对矿区生态环境产生扰动,加剧了生态 环境的风险,严重阻碍区域可持续发展.针对矿产资源开发 带来的生态环境隐患,以采、选、冶矿业活动作为风险源,从 生产工艺环节角度确定点、线状及面状胁迫因子,分析风险 源、生境、生态受体之间相互作用关系,建立了矿区生态风险 暴露响应模型,形成了基于相对风险模型(RRM)的矿区生 态风险 评 价 方 法.大 冶 市 典 型 矿 区 实 证 研 究 表 明,基 于 RRM 的矿区生态风险评价能够从生态风险等级、胁迫状态、 生态损失三个方面综合体现矿冶活动对生态环境的作用过 程及结果,科学表征矿区生态风险的复杂性,评价结果较好 地反映了研究区实际情况,对矿区生态风险管控具有指导 意义.     

气动声学Lighthill方程的Kirchhoff积分解分析

Lighthill的声类比(acoustic analogy)是目前气动声定量预测中应用最为广泛的一种方法。使用非齐次波动方程的Kirchhoff积分公式对Ligthhill方程进行求解。Kirchhoff公式中的延迟时间表示不同位置点声源对场点声压叠加时的相位作用,推导时强调延迟时间函数的导数运算。基于Kirchhoff积分公式对于有物体存在于流场中的情况,详细推导了Curle解,并对Curle公式中的各声源项进行了分析。文章有助于气动声学初学者正确地认识声类比理论,加深对Curle公式的理解。     

动态水声环境中的SEResNet模型目标识别方法

针对在无法预知海域信息的情况下，如何保证较高识别稳定性的关键问题，本文构建了SE＿ResNet网络利用对卷积操作通道的自适应加权方法，学习不同特征信息，增加网络的鲁棒性，使得网络可以自适应地识别不同声场环境下的目标。基于2组不同的实测水声数据集进行实验，其中实验1说明在-20～20 dB信噪比范围内，SE＿ResNet网络的识别能力均优于其他网络，实验2说明在高信噪比下，SE＿ResNet网络对类间相似度较低的数据集有很高的识别率，对相似度较高的数据集也具有很好的识别效果。结果表明SE＿ResNet网络有较强的鲁棒性。