导读:本文包含了组合特征参数论文开题报告文献综述及选题提纲参考文献，主要关键词:飞机发电机,小波变换,神经网络,故障特征
组合特征参数论文文献综述
钱伟,王海斌,杨江,冯斌[1]（2017）在《飞机发电机故障诊断的多特征参数组合分析》一文中研究指出针对飞机发电机振动特征参数多、故障特征参数难以准确识别飞机发电机健康状况的现状,设计了发电机振动信号实时采样装置对飞机发电机转动时的多种频域参数及幅域参数进行采样,并引入小波分析计算各频带能量值,构建神经网络进行故障判定,选用不同的振动特征参数组合对检验样本进行验证以期获得指向性较好的飞机发电机故障特征参数。诊断结果表明,利用RBF网络对发电机故障诊断,采用基于幅值域的特征参数峭度指标、峰值因子、脉冲指标、裕度指标、歪度和基于频域的重心频率、均方根频率、频率标准差,再考虑进小波包分频带能量值作为神经网络的输入参数指标,可取得良好的诊断准确率。(本文来源于《测控技术》期刊2017年07期）
钟浩,鲍鸿,张晶[2]（2017）在《一种改进的语音动态组合特征参数提取方法》一文中研究指出语音信号窗函数具有减少频谱能量泄露的作用,针对传统的语音加窗函数旁瓣衰减速度慢,信号频谱能量泄露大,不利于说话人识别特征参数提取的缺点,采用一种汉明自卷积窗函数取代汉明窗函数对语音信号预处理。为了进一步提高说话人系统的识别率,文章提出一种基于汉明自卷积窗的的一阶、二阶差分梅尔倒谱系数(MFCC)改进的动态组合特征参数方法。用高斯混合模型进行仿真实验,实验结果证明,用该方法提取的特征参数运用于说话人识别系统,相比于传统的MFCC说话人识别系统,其识别率大大提高。(本文来源于《电脑与信息技术》期刊2017年03期）
韦晶,明艳芳,刘福江[3]（2015）在《基于光谱特征参数组合的高光谱数据矿物填图方法》一文中研究指出受大气环境等因素的影响,高光谱遥感矿物识别难以达到较高的精度.为解决该问题,根据光谱吸收特征参数在大气变化中能保持相对稳定的特点,提出一种基于光谱特征参数组合的高光谱矿物类型识别方法.文中计算了多种光谱特征参数,通过最佳指数因子(optimum index factor,OIF)优选特征参数组合,选定最佳特征参数组合,利用模式识别方法实现矿物识别.利用机载可见/红外成像光谱仪(airborne visible infrared imaging spectrometer,AVIRIS)高光谱数据,在美国内华达州Cuprite矿区进行了该方法的应用试验研究,并与前人矿物填图结果做了对比.结果表明:吸收波谷位置-吸收面积-吸收右肩位置(P-A-S2)光谱特征参数组合的矿物识别效果最优,整体精度达到74.68%.(本文来源于《地球科学(中国地质大学学报)》期刊2015年08期）
戚龙[4]（2014）在《基于组合特征参数的说话人识别系统设计》一文中研究指出说话人识别属于语音识别的特殊形式,和语音识别一样都是通过对所接收到的语音信号进行处理,提取相应的特征或建立相应的模型,然后再作出判断,说话人识别主要找出包含在语音信号中的说话人的个性因素,强调不同人之间的特征差异。本系统主要使用反射系数、倒谱系数、自相关系数的组合作为特征参数,在此基础上提出了新的矢量量化方法对说话人进行识别。(本文来源于《信息与电脑(理论版)》期刊2014年10期）
张飞云[5]（2013）在《基于量子神经网络和组合特征参数的玉米叶部病害识别》一文中研究指出【目的】探索一种基于量子神经网络和组合特征参数的玉米叶部病害识别方法,以提高玉米叶部病害识别的准确率和效率。【方法】应用K_means硬聚类算法对玉米叶部病害图像进行彩色图像分割,得到彩色分割图像,分别利用提升小波变换和灰度共生矩阵从彩色分割图像中提取颜色和纹理特征参数,利用多重分形分析从灰度图像中提取病害的形状特征参数。【结果】根据提取的组合特征参数,利用量子神经网络进行玉米病害分类识别,对玉米灰斑病、玉米普通锈病和玉米小斑病的识别率分别达到92.5%、97.5%和92.5%,高于误差反向传播神经网络法的识别率(分别为90.0%、90.0%和92.5%)。【结论】设计的方法可用于玉米叶部病害识别,并为其他农作物病害的智能识别提供借鉴。(本文来源于《南方农业学报》期刊2013年08期）
张晓俊,陶智,吴迪,肖仲喆,赵鹤鸣[6]（2012）在《采用多特征组合优化的语音特征参数研究》一文中研究指出在研究传统语音特征参数线性预测倒谱系数(LPCC)和梅尔频率倒谱系数(MFCC)的基础上,加入基于人耳听觉特性的Bark子波滤波器组所提取的特征参数,来共同组成特征集。同时将基于遗传算法的相关性特征算法将特征集进行优化,分别采用贝叶斯和径向基神经网络算法进行语音识别。实验结果表明本方法与传统的LPCC和MFCC方法相比,平均识别率分别提高了4.66%和3.5%,最佳达到98.1%的识别率。(本文来源于《通信技术》期刊2012年12期）
刘雅琴,智爱娟[7]（2010）在《基于小波变换语音组合特征参数的提取》一文中研究指出本文首先利用小波变换,借鉴MFCC参数提取了新的参数DWTC,然后又把DWTC参数和LPCC参数结合起来,形成一种组合特征参数DWTLPC,该参数既反映了声道响应特性,又克服了短时傅立叶变换在分辨率上的局限性。最后,在Matlab平台上,分别采用LPCC+△LPCC、MFCC+△MFCC、DWTC、DWTLPC作为特征参数,采用DTW识别算法进行实验仿真,结果表明DWTLPC参数的识别率最高。(本文来源于《微计算机信息》期刊2010年16期）
张喜宁[8]（2009）在《说话人识别技术——语音特征参数提取及组合》一文中研究指出本论文重点对语音特征参数的组合进行了研究,通过参数的特征组合从不同的角度来反映说话人的个性特征,能够大大提高说话人识别系统的识别率。对其中的特征参数(MFCC及LPCC)的特性及提取过程进行了详细的解释和仿真。(本文来源于《科技资讯》期刊2009年34期）
马玉成,林俊兴,王永生[9]（2009）在《潜艇组合型艉舵结构特征参数对水动力性能的影响分析》一文中研究指出利用计算流体动力学工具CFX,合理选用有限体积法和RNGk-ε湍流模型对NACA67.1-015型襟翼敞水舵进行CFD模拟验证计算,通过与试验数据进行比较,证明计算方法的合理性,对潜艇组合型艉舵在不同展弦比λ、艉弦比-t下的流场进行数值模拟计算,得到其升力系数、阻力系数、压力中心系数曲线和压力分布图,通过对水动力系数曲线和压力分布图的分析,得到舵特征参数对水动力性能的影响规律。(本文来源于《船海工程》期刊2009年04期）
王旭,韩志艳,王健,薛丽芳[10]（2008）在《基于动静态组合特征参数的语音识别》一文中研究指出基于语音信号的时变特性,本文提出了动静态特征参数结合的语音信号识别方法,首先在特征参数提取中引入了小波包变换,借助MFCC(Mel-Frequency Cepstrum Coefficient)参数的提取方法,用小波包变换代替傅立叶变换和Mel滤波器组,提取了新的静态特征参数DWPTMFCC(Discrete Wavelet Packet Transform Mel-Frequency Coeffi-cient),然后把它与一阶DWPTMFCC差分参数相结合成一个向量,作为一帧语音信号的参数,通过试验和仿真,此参数具有很高的识别率,是一种很好的语音特征参数。并且把混沌特性引入到神经元,构成混沌神经网络,把这种神经网络用于语音识别,并与常用的BP神经网络识别方法进行了比较。试验结果表明,混沌神经网络的平均识别率要高于同等条件下常用的神经网络方法的识别率。(本文来源于《计算机科学》期刊2008年07期）
组合特征参数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
语音信号窗函数具有减少频谱能量泄露的作用,针对传统的语音加窗函数旁瓣衰减速度慢,信号频谱能量泄露大,不利于说话人识别特征参数提取的缺点,采用一种汉明自卷积窗函数取代汉明窗函数对语音信号预处理。为了进一步提高说话人系统的识别率,文章提出一种基于汉明自卷积窗的的一阶、二阶差分梅尔倒谱系数(MFCC)改进的动态组合特征参数方法。用高斯混合模型进行仿真实验,实验结果证明,用该方法提取的特征参数运用于说话人识别系统,相比于传统的MFCC说话人识别系统,其识别率大大提高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
组合特征参数论文参考文献
[1].钱伟,王海斌,杨江,冯斌.飞机发电机故障诊断的多特征参数组合分析[J].测控技术.2017
[2].钟浩,鲍鸿,张晶.一种改进的语音动态组合特征参数提取方法[J].电脑与信息技术.2017
[3].韦晶,明艳芳,刘福江.基于光谱特征参数组合的高光谱数据矿物填图方法[J].地球科学(中国地质大学学报).2015
[4].戚龙.基于组合特征参数的说话人识别系统设计[J].信息与电脑(理论版).2014
[5].张飞云.基于量子神经网络和组合特征参数的玉米叶部病害识别[J].南方农业学报.2013
[6].张晓俊,陶智,吴迪,肖仲喆,赵鹤鸣.采用多特征组合优化的语音特征参数研究[J].通信技术.2012
[7].刘雅琴,智爱娟.基于小波变换语音组合特征参数的提取[J].微计算机信息.2010
[8].张喜宁.说话人识别技术——语音特征参数提取及组合[J].科技资讯.2009
[9].马玉成,林俊兴,王永生.潜艇组合型艉舵结构特征参数对水动力性能的影响分析[J].船海工程.2009
[10].王旭,韩志艳,王健,薛丽芳.基于动静态组合特征参数的语音识别[J].计算机科学.2008