基于短时傅立叶变换语言信号分析算法

文中利用基于短时傅立叶变换的频谱分析技术快速地在普通PC机上完成语音信号的实时频谱分析。使用该方法所需的编程简单,对硬件设备的要求低,易于实现。     

基于S变换时频谱和KHA-CNN的换流变故障声纹识别

为准确进行换流变压器故障诊断,保证直流输电可靠性,提出一种基于S变换时频谱和KHA-CNN模式的换流变故障声纹识别方法。利用自适应补充集合经验模态分解算法（complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN）,实现换流变本体声纹信号与噪声的分离;通过S变换得到时频谱图,实现声纹信号的特征提取;通过磷虾群优化算法（krill herd algorithm,KHA）对卷积神经网络进行超参数寻优,将S时频谱图作为特征输入到KHACNN,实现故障诊断。研究结果表明：该方法对于换流变故障具有很好的识别效果,能为换流变故障诊断提供有效参考。     

基于时频谱图和自适应动态权重PSO-CNN的外破振动信号识别

为避免地下电缆遭受破坏,提高振动监测系统对外力破坏的预警能力,提出一种基于时频谱图和自适应动态权重粒子群算法-卷积神经网络(PSO-CNN)的外破振动信号识别方法。首先,将振动传感系统获取的3 000组外破振动信号转化生成为时频谱图数据集,在图像预处理阶段,采用直方图均衡化和二维主成分分析(2D-PCA)算法来增强灰度图像特征并实现图像数据的降维;然后,将图像数据集的70%作为CNN模型的训练集,并在网络训练过程中引入自适应动态惯性权重PSO对CNN模型的卷积层、池化层相关参数进行迭代寻优,从而获得优化PSO-CNN分类模型;最后,利用测试集图像数据对优化PSO-CNN模型的识别性能进行验证,并与其他分类模型进行了对比。结果表明,所提方法对6种常见外破振动信号的识别准确率达到98.33%,平均每张图像的识别时间仅为0.24 s,与其他分类算法相比具有更高的分类精度和更快速的识别速度,为快速准确地识别外力破坏事件类型提供了一种可行方案。     

超高压网络故障暂态信号波形与频谱的分析

本文主要研究超高压网络短路时暂态电压、电流的波形和频谱．以山东邹县──潍坊５００ｋＶ仿真网络为例，作出了不同点、不同类型、不同弧光电阻短路时暂态电压、电流的波形图和幅度谱图，并列表给出所含的各种频率成份及幅度．对实验结果进行了分析和探讨．它对研究继电保护装置动作性能和故障噪声信号的数学模型有着重要的参考价值．     

基于LabVIEW的语音信号分析系统的设计

本文采用模块化的设计思想,设计了信号发生模块、信号采集模块,波形显示模块,频谱分析模块、信号的滤波处理模块等信号的相关处理模块利用LabVIEW进行编程,搭建了基于LabVIEW开发平台的上述信号处理模块,给出了语音信号分析系统的前面板图和程序流程图。本论文中,这些虚拟仪器模块组成的系统,特用于对语音信号进行系统的分析和处理     

用频谱分析仪测量脉冲调制信号

本文介绍了用频谱分析仪测量脉冲调制信号的方法，仅供参考。     

音频信号软件频谱分析仪设计

软件频谱分析仪利用多媒体计算机以软件方式来实现对信号进行频谱分析的功能。文中就如何运用DCT理论及FFT算法,开发音频信号软件频谱仪进行了较详细的探讨和介绍;并给出了相关的设计、实现方案及Windows平台一个应用实例。     

基于Matlab的数字传输信号调制与解调分析与仿真

本文对现代通信系统调制解调的基本技术和仿真方法进行了概述,对语音信号的调制解调技术采用MATLAB工具进行了分析和讨论,并对通信系统中的ASK、FSK、PSK调制和解调和数字通信系统的调制解调进行实验验证,最后,针对数字语音信号进行了调制和解调,验证了调制解调程序的正确性。     

基于USB多路语音信号实时采集系统的设计与实现

为了解决使用普通声卡作为语音输入端时不能实现多路同步输入及抗干扰能力差等问题,本文设计了基于USB端口的多路语音信号实时采集系统.在详细分析其硬件电路的功用与组成的基础上,给出了软件的流程图及部分关键程序代码.通过在实验室环境下的系统测试可以得出,该系统具有采集速度快、支持热插拔、多路同时采集与存储、实时显示等优点,可作为对输入信号要求较高的语音信号处理系统输入端,具有广阔的应用前景.     

CINRAD/CC雷达信号频谱特性分析应用研究

CINRAD/CC雷达是一种功能强大的智能型全相参脉冲多普勒天气雷达系统。其发射分系统的功能是在本分系统速调管阴极调制脉冲持续期间,将接收分系统激励源分机提供的宽度1μs(或2μs)、峰值功率0.5W的发射脉冲激励信号,放大成为宽度1μs(或2μS)峰值功率250kW的大功率、全相参、高品质的射频发射脉冲。而雷达发射机脉冲激励信号的稳定与否直接影响到整个雷达的探测能力。雷达发射信号的稳定性是指射频信号的振幅、频率(或者相位)、脉冲重复频率和脉冲宽度的稳定性,任意一个参数的不稳定性都会影响高性能雷达主要性能指标的实现。利用安捷伦公司的频谱分析仪E4405B对雷达频谱特性进行全天24h不间断的跟踪,通过一个月的雷达频谱对比分析,掌握了安徽四创电子公司的CINRAD/CC雷达系统工作状况。气象预报的准确与否与气象资料的准确度直接相关,雷达性能参数的稳定度直接影响着气象资料的准确度,利用安捷伦公司的频谱分析仪对雷达频谱进行实时监控,在雷达频谱异常的情况下,采取人工干预的办法,保证雷达参数指标的稳定度,从而提高气象资料的准确性,最终提高气象预报水平。     

基于能量谱分析的被动式孤岛检测方法

提出了一种新的基于信号能量谱分析ESA(energy spectrum analysis)的孤岛检测方法,并对所提出的检测特征量在孤岛发生前后的变化进行了深入分析,对ESA方法的孤岛检测有效性及抗扰动性进行了仿真及实验验证。实验结果表明,ESA方法在分布式发电单元与本地并联谐振负载间存在功率匹配,传统过/欠电压、过/欠频率方法落入盲区内时仍可有效识别孤岛,检测需时远小于IEEE 1547-2003标准所规定的时间,且不易受系统暂态过程影响;同时,由于没有向系统中加入扰动信号,不会对电能质量产生影响。     

基于A-DResUnet的语音增强方法

为了更精确地从语谱图中提取特征信息,提出了一种基于A-DResUnet的语音增强方法。A-DResUnet模型在ResUnet模型的基础上融合了空洞卷积,提升捕获语音上下文信息的能力;同时在编码器中加入卷积注意力模块(CBAM),提高对噪声谱图特征的关注。实验结果表明,与模型输出目标为干净语音语谱图相比,用噪声谱图作为模型输出目标时,该模型对未知噪声具有更强的分离能力;相较ResUnet模型,提出的A-DResUnet模型减少了语音细节信息的损失;对比基于DNN、GAN的语音增强方法,PESQ平均提升了22.81%、33.11%,STOI平均提升了9.62%、15.33%,为复杂环境下的语音增强提供了一种更有效的方法。     

基于投影分类的语音端点检测方法

针对低信噪比条件下语音端点检测精度受噪声干扰严重的问题,提出了一种基于投影分类的语音端点检测方法。该方法首先利用长时语音信号变化率测度特征进行低信噪比环境中的语音特征计算,充分利用语音信号和非语音信号的不同来增强低信噪比条件下的区分度;接着,采用Fisher准则对语音和背景噪声进行分类识别,确保投影后的特征参数类内散度最小、类间散度最大。实验结果表明,方法具有较高的检测精度,在信噪比为-10 d B的白噪声干扰情况下仍然保持了86.7%以上的正确检测率。     

风电机组齿轮箱非平稳振动信号谱分析方法

齿轮箱是风电机组的重要部件,其运行状态直接决定了风电场的收益,通过研究齿轮箱的振动信号来评判齿轮箱的运行状态具有重要意义。论述了风电齿轮箱的结构形式和故障特征,依据某类型风电机组齿轮箱特点,制定振动数据采集方案,采集2台风电机组齿轮箱高速轴振动信号;应用Hilbert能量谱和短时傅里叶重排谱对比分析,分别提取2台机组齿轮箱高速轴测点振动信号中蕴含的故障特征频率。分析得到一台机组齿轮箱高速轴损伤,实际验证了该齿轮箱高速轴故障为齿面点蚀。证实了Hilbert能量谱和短时傅里叶重排谱相结合的分析方法在提取风电齿轮箱故障特征频率的有效性和实用性。     

语音信号的奇异值分解去噪

针对时域中含噪语音信号较长而无法直接进行奇异值分解以及在分解中无法自适应确定分离阶数的问题,本文提出了将时域语音信号分段后再进行奇异值分解的方法,该方法在分段分解后通过拼接可还原出原信号。为了解决分离阶数选取困难的问题,在分解过程中本文采用均值法及方差法自适应确定分离阶数,仿真实验结果验证了该方法对语音信号去噪的有效性。     

基于幅值滤波与分层特征融合策略的语音情感识别

针对语音情感识别在多语言联合数据集上识别准确率低的问题,提出了一种基于幅值滤波与分层特征融合策略的语 音情感识别方法。该方法首先对梅尔谱图内幅值分布规律进行幅值滤波,通过概率叠加扩大梅尔谱图内相近幅值之间的差 异,实现谱图内的高频强增益、低频弱增益;同时,通过概率相乘缩小梅尔谱图内相远幅值之间的差异,以显示谱图内中频的 细节部分。在此基础上,使用矩形卷积提取音频信号的时间动态特征,生成梅尔谱图动态特征图,并将其作为分层特征融合 策略的输入。分层特征融合策略通过压缩特征图来提取不同尺度的时间动态特征,并提取不同深度中的时间动态特征。在 多语言联合数据集 CER 上取得了84.44%的分类准确率。     

采用Gabor变换的局部放电信号时频分析

局部放电信号频率是时变的,为更好地反映它的时频特性,采用一种时频分析方法Gabor变换,将它应用于局部放电信号分析中,并利用不确定原理选择高斯窗函数作为Gabor变换的基函数,提高了分析结果的时频聚集性。通过对实际局部放电信号进行分析处理,结果表明在选择合适的窗函数参数的情况下,基于Gabor变换的时频谱能够细致的刻画信号在时频平面上所发生的变化过程,准确反映了局部放电信号的时频特性,可有效满足对局部放电信号进行时频分析的要求,有利于对信号特征的提取。     

基于仿生模式识别的语音识别研究

与传统模式识别的方法相比,仿生模式识别能识别单模板,并大大减小误识率。基于这两个优点,将仿生模式识别应用于语音信号处理中,进行2次识别。第1次使用传统模式识别方法,第2次为单模板识别。对小词汇量的关键词识别实验结果表明能够大大降低误识率。