下载文档原格式
多重分形维数在语音分割和语音识别中的应用
董远;胡光锐
【期刊名称】《上海交通大学学报》
【年(卷),期】1999(33)11
【摘要】语音气流中具有混沌特征，而分形可以定量地分析混沌现象，故分形可作为分析语音信号的数学工具．由于传统的Ｈａｕｓｄｏｒｆｆ－Ｂｅｓｉｃｏｖｉｔｃｈ维数没有考虑关于集合中点的分布信息，本文引入多重分形维数来克服上述缺点．实验表明，多重分形维数语音分割方法明显好于单一Ｈａｕｓｄｏｒｆｆ－Ｂｅｓｉｃｏｖｉｔｃｈ
【总页数】3页(P1406-1408)
【关键词】分形;多重分形;语音分割;语音识别;维数
【作者】董远;胡光锐
【作者单位】上海交通大学电子工程系
【正文语种】中文
【中图分类】TN912.34;TP391.42
【相关文献】
1.多重分形维数谱及其在内燃机故障诊断中的应用 [J], 夏勇;张振仁;商斌梁;薛模根;郭明芳
2.基于Z-ordering的多重分形维数及多重分形谱算法 [J], 闫光辉;马志程;刘利松;杜琳娜;杨霞霞
3.锈蚀钢材表面的分形维数与多重分形谱 [J], 徐善华;夏敏
4.基于分形维数实现语音分割和增强 [J], 陈亮;张雄伟
5.基于MFCC与分形维数混合参数的语音识别 [J], 雷涛;姚明海;马洪蕊
因版权原因，仅展示原文概要，查看原文内容请购买。
学校代号10536 学号0810803562 分类号TP391.4 密级公开硕士学位论文基于多重分形的语音情感识别研究学位申请人姓名张密霞培养单位长沙理工大学导师姓名及职称叶吉祥教授学科专业计算机应用技术研究方向人工智能及其应用论文提交日期2011年3月学校代号：10536学号：0810803562密级：公开长沙理工大学硕士学位论文基于多重分形的语音情感识别研究学位申请人姓名张密霞导师姓名及职称叶吉祥教授培养单位长沙理工大学专业名称计算机应用技术论文提交日期2011年3月论文答辩日期2010年5月答辩委员会主席车生兵教授Speech Emotion Recognition based on MultifractalbyZhang Mi-xiaB.E.( Changsha University of Science & Technology) 2008A thesis submitted in partial satisfaction of theRequirements for the degree ofMaster of EngineeringinComputer Application TechnologyinChangsha University of Science & TechnologySupervisorProfessor Ye Ji-xiangMarch, 2011长沙理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。
除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。
对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。
本人完全意识到本声明的法律后果由本人承担。
作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。
多重分形谱的一种算法
杜兴华
【期刊名称】《东北石油大学学报》
【年(卷),期】2004(028)003
【摘要】定义了多重分形的ODR维谱函数,给出了一种计算多重分形谱的实用方法.以非线性Cantor集为例进行了计算,从而说明了此方法的有效性.
【总页数】2页(P114-115)
【作者】杜兴华
【作者单位】大庆石油学院,数学系,黑龙江,大庆,163318
【正文语种】中文
【中图分类】O174.12
【相关文献】
1.求多重分形谱的一种实用算法 [J], 沈晨;乐友喜;王才经
2.基于多重分形谱的物理层帧结构检测算法研究 [J], 李歆昊;张旻;韩树楠
3.基于小波模极大值求取多重分形谱多重分形克里格算法探究 [J], 张庆敏;岳云娟
4.一种求地震记录多重分形谱的改进算法 [J], 高海霞;胡远来
5.基于多重分形谱的木材高光谱图像纹理分类算法 [J], 唐艳慧; 赵鹏; 王承琨因版权原因，仅展示原文概要，查看原文内容请购买。
基于深度流形学习的水中目标声信号特征提取
周钰;王津;滕飞;潘必胜;王友瑞;雷迎科
【期刊名称】《振动与冲击》
【年(卷),期】2024(43)9
【摘要】随着海洋环境日益复杂,水中目标声信号观测数据呈现出高维数、非线性、非结构化等特点,无疑给水中目标声信号特征提取带来严峻挑战,该文提出了一种基
于流形自编码器的水中目标声信号特征提取方法。
首先,通过自编码器重建误差对
原始数据进行全局优化,找出潜在的低维表示结果;然后,利用流形学习保持近邻重构权值的思想对潜在表示实施局部约束,保留其内在拓扑结构;最后,引入生成对抗网络架构进行正则化处理,使潜在表示服从特定分布,从而实现一种局部与全局的联合保
持低维嵌入方法。
在DeepShip深水船公开数据集上进行试验,使用该文方法提取
4种深水船数据的本质特征,为评估该类特征的质量水平,利用经典分类器支持向量
机进行分类识别,与现有深度学习以及流形学习特征提取方法对比,识别精度平均提
高14.96%。
【总页数】10页(P50-59)
【作者】周钰;王津;滕飞;潘必胜;王友瑞;雷迎科
【作者单位】国防科技大学电子对抗学院
【正文语种】中文
【中图分类】TB56
【相关文献】
1.基于流形学习的LFM信号模糊函数特征提取与识别研究
2.基于多重分形和小波变换的声目标信号特征提取
3.流形学习在运动声源声特征提取方面的研究
4.基于核方法与流形学习的运动想象脑电信号特征提取算法
5.基于深度学习的主动声呐目标回波亮点结构特征提取方法
因版权原因，仅展示原文概要，查看原文内容请购买。
基于CNN-SVM的高压输电线路故障识别方法
田鹏飞;于游;董明;姜志筠;包鹏宇;吴国鼎;张天东;胡钋
【期刊名称】《电力系统保护与控制》
【年(卷),期】2022(50)13
【摘要】高压输电线路故障识别对保证电网安全稳定运行具有重要意义。
提出了一种基于CNN-SVM的高压输电线路故障分段识别方法。
针对传统故障识别方法数据特征提取过程复杂的问题,通过深度学习的CNN模型,将故障特征以时序矩阵形式输入其卷积层与池化层,从而简化特征提取与计算过程。
此外,针对高压输电线路故障特征不明显导致相间故障识别率较低的问题,提出将故障相间电流差及非故障相负序与零序分量作为特征,输入到SVM模型,进而判断相间故障接地类型。
仿真结果表明,所提方法准确率高,与其他深度学习方法相比,在相间故障识别的准确率上提升尤为显著。
【总页数】7页(P119-125)
【作者】田鹏飞;于游;董明;姜志筠;包鹏宇;吴国鼎;张天东;胡钋
【作者单位】国网辽宁省电力有限公司;国网大连供电公司;武汉大学
【正文语种】中文
【中图分类】TM7
【相关文献】
1.基于ANFIS的特高压输电线路故障分类识别方法
2.基于多重分形谱的高压直流输电线路区内外故障识别方法
3.基于双向长短期记忆网络的高压输电线路短路故
障识别方法4.大气环境下高压电网输电线路故障识别方法5.基于CBAM-FCN的高压输电线路发展性故障识别方法
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于多重分形特性检测海面弱目标的新方法作者：张波张丹婷胡冲来源：《科技视界》 2014年第13期张波1 张丹婷2 胡冲2（1.西安市导航技术研究所，陕西西安 710068；2.西安电子科技大学雷达信号处理国防科技重点实验室，陕西西安 710071）【摘要】本文分析计算了海杂波的分形维数及多重分形特性。
在此基础上，从时间和空间上综合考虑，利用杂波包含与不包含目标时多重分形谱的差别，提出一种新的检测方法。
对实测数据的分析表明该方法是有效的，并且具有较小的计算量，为海杂波背景下的目标检测提供了一条新的思路和有效手段。
【关键词】海杂波；分形；多重分形；目标检测０引言海杂波是雷达发射脉冲照射的局部海面的后向散射回波。
对海杂波进行特性分析和建模仿真对于设计有效的雷达检测方案和评价雷达检测性能至关重要。
传统的研究主要是研究其统计特性，建立统计分布模型，如典型的瑞利(Rayleigh)分布、对数正态(Log-normal)分布、韦布尔(Weibull)分布和K分布等[1]。
然而，这些模型把海杂波视为某一随机过程的样本函数，这在很大程度上并非因为海杂波的物理本质，而是出于其看似随机的波形。
实际上，高分辨率雷达在低掠射角情况下测量的海杂波往往不具有高斯分布特性，海杂波并不是平稳的，而是呈现为非线性的不平稳性[2-4]。
这样经典雷达目标检测所作的独立、线性，平稳等假设均不符合真实情况，基于这些假设而采用的经典雷达目标最佳检测策略不可避免导致检测性能下降。
分形理论[5]的发展不仅为数学和物理提供了全新的观察视角和观察深度，也为杂波建模和分析提供了新的动力和方向：S.Haykin等人[6-7]对海杂波的研究表明，海杂波存在分数维的混沌吸引子，且存在大于零的Lyapunov指数，进而表明，用非线性学科中的混沌与分形方法研究杂波模型比传统的随机方法更为有效。
已有很多学者对海杂波的分形特性进行过不同方面的研究，也取得了不少成果[8-9]。
基于多层次特征图谱的高压并联电抗器声纹识别模型研究目录1. 内容概览 (3)1.1 研究背景 (3)1.2 研究意义 (4)1.3 国内外研究现状 (5)1.3.1 高压并联电抗器声纹识别技术发展 (6)1.3.2 多层次特征图谱应用研究 (8)1.3.3 模型研究进展 (9)2. 系统设计 (9)2.1 系统架构 (10)2.1.1 数据采集与预处理 (11)2.1.2 特征提取与融合 (12)2.1.3 模型训练与优化 (13)2.1.4 模型评估与应用 (15)2.2 硬件平台 (16)2.3 软件平台 (17)3. 多层次特征图谱构建 (18)3.1 特征提取方法 (19)3.1.1 时域特征提取 (20)3.1.2 频域特征提取 (21)3.1.3 时频域特征提取 (22)3.2 特征融合策略 (24)3.2.1 层次化特征融合 (25)3.2.2 模块化特征融合 (26)3.3 特征图谱构建流程 (27)4. 声纹识别模型 (28)4.1 模型结构设计 (29)4.1.1 深度神经网络结构 (30)4.1.2 支持向量机结构 (31)4.1.3 卷积神经网络结构 (33)4.2 模型训练方法 (34)4.2.1 数据增强 (35)4.2.2 正则化 (36)4.2.3 损失函数设计 (36)4.3 模型优化策略 (37)5. 实验与分析 (39)5.1 实验数据集 (40)5.2 实验方法 (41)5.2.1 评价指标 (42)5.2.2 实验流程 (43)5.3 实验结果分析 (44)5.3.1 不同特征融合策略对比 (46)5.3.2 不同模型结构对比 (47)5.3.3 模型在不同场景下的性能评估 (48)1. 内容概览本文旨在探讨基于多层次特征图谱的高压并联电抗器声纹识别模型的研究。
首先，对高压并联电抗器的工作原理和声纹识别技术的基本概念进行概述，阐述声纹识别在电力系统设备状态监测中的重要性。
基于谱相减改进算法的语音增强系统的实现研究覃贵礼;罗云芳;潘泽锴【摘要】Speech enhancement is widely applied in the digital communication network. An improved spec-tral subtraction algorithm of speech enhancement is proposed and a speech enhancement system is designed by the MATLAB based on this improved algorithm. Experimental results show that the system can well achieve speech en-hancement with noise. The quality and intelligibility of sounds are all improved effectively.%针对数字通信网络中广泛应用的语音增强处理，在原有谱相减算法语音增强处理原理基础上改进该算法，并基于改进的谱相减算法采用MATLAB软件开发设计语音增强处理系统，经过测试表明系统能很好地实现带噪语音增强处理，声音的质量和可懂度提高效果显著。
【期刊名称】《河池学院学报》【年(卷),期】2016(000)002【总页数】6页(P73-78)【关键词】谱相减改进算法;语音增强;信噪比;MATLAB【作者】覃贵礼;罗云芳;潘泽锴【作者单位】广西职业技术学院计算机与电子信息工程系，广西南宁 530226;广西职业技术学院计算机与电子信息工程系，广西南宁 530226;广西职业技术学院计算机与电子信息工程系，广西南宁 530226【正文语种】中文【中图分类】TP391随着人类制造出各种各样的机器，人与机器的交流慢慢地变成一种迫切的需求，人们的语音交流方式移植到人与机器之间并成了一种主流技术，也为人们提供了一种便利[1]。
