导读:本文包含了短时分析论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:时分,语音,信号,频谱,信号处理,声源,故障诊断。
短时分析论文文献综述
吴树兴,刘新红[1](2019)在《语音短时分析与合成的滤波器实现》一文中研究指出频谱分析技术在语音信号处理中得到了广泛应用。短时频谱分析是各种语音频域处理方法的基础,广泛应用于语音编解码、语音合成、语音识别等领域。通过时频分析理论,对语音短时频谱分析与合成进行理论推导,表明语音短时频谱分析与合成可以通过加窗和滤波语音信号实现,并据此提出具体算法,按照该算法处理实际语音数据。合成语音与原始语音相比,差异很小。(本文来源于《信息与电脑(理论版)》期刊2019年15期)
欧阳可赛[2](2018)在《圆形阵列短时分析用于列车轴承道旁声学信号分离与校正的理论研究》一文中研究指出随着机械装备的规模日趋庞大,性能日趋优越、功能日趋繁多、结构和运行环境日趋复杂,机械装备故障所带来的后果也日趋严重。发展针对性的机械装备故障诊断技术以保障机械装备长期安全平稳运行具有非常重大的意义。高速铁路运输作为我国国民经济的命脉产业,保障高速列车安全、平稳、不间断运行是高速铁路运行面临的一大难题。在诸多种类的列车故障中,列车轮动轴承故障是列车故障的主要类型。是以,发展列车轮对轴承故障诊断技术意义极为重大。同时,鉴于道旁声学诊断系统具有非接触测量、早期故障预警以及低成本等优势,发展列车轴承道旁声学诊断系统符合我国的基本国情。然而,道旁声学诊断系统接收的信号成分相对复杂,其不仅受到高强度的环境背景噪声的干扰,同时该接收信号中还存在严重的多普勒畸变以及多声源混迭现象,这些因素致使基于道旁声学信号的列车轴承状态监测与故障诊断困难重重。另一方面,鉴于我国漫长的高速铁路,为了实现对高速铁路的监测的全面覆盖,需要进一步降低道旁声学诊断系统的成本。针对上述问题,本文以圆形麦克风阵列为道旁信号接收手段,通过采用短时麦克风阵列技术,得到信噪比相对较高的分离和校正的无畸变的道旁声学信号,并以此为基础实现高可靠性的列车轴承状态评估,最终尝试研制快速、准确、低成本的列车轴承道旁声学诊断系统。本文首先详细的介绍了列车轴承道旁阵列声学信号的获取过程,同时对该信号获取过程中涉及到的轴承的类型及相关故障特征信息、实验平台的详细信息以及通过实验平台获取的静态声学信号和动态的道旁声学信号等信息进行了详细阐述,通过观察接收的道旁声学信号的时频分布,证明了道旁阵列的接收信号中存在严重的多普勒畸变和声源混迭现象。接收声源的混迭畸变特性加剧了准确故障诊断的难度。此外,本文中对基于单麦克风以及麦克风线阵的混迭畸变的声学信号的分离校正的局限性进行了简单的探讨,指出了发展基于圆形麦克风阵列的道旁混迭畸变声学信号分离校正技术的必要性。随后,针对道旁阵列接收信号中存在的混迭畸变,本文基于道旁声学诊断的基本模型提出了短时斜投影的空间指向性滤波方法用于圆形阵列接收的混迭畸变声学信号的分离和校正。该方法首先根据空间运动目标声源的斜投影矩阵构造相应的运动目标声源中心位置的指向性滤波器,通过该滤波器获取不同的运动目标声源的时间中心,随后基于该时间中心以及运动目标声源的运动速度信息,构造短时斜投影空间指向性滤波器实现对空间混迭畸变声学信号的分离和校正。模拟仿真和实验验证均表明了该方法能够较为彻底地分离和校正混迭畸变声源。同时由于该方法充分利用了运动目标声源的空间位置信息,方法的适用性更为广泛。紧接着,针对道旁圆形阵列接收信号中的多普勒畸变,本文基于上述建立的基本模型提出了短时稀疏奇异值分解方法用于校正圆形阵列接收信号中的多普勒畸变。该方法首先通过构造完备的空间导向矩阵将导向矩阵的稀疏性转换为原始声源信号的稀疏性,随后利用短时稀疏奇异值分解方法计算出运动目标声源的空间位置随时间的变换规律,并结合基本模型的基本参数,得到运动目标声源的发射时刻与麦克风阵列接收时刻的关系用于插值拟合重采样,最终将插值重采样的信号在时域重排获得无畸变的校正信号。模拟仿真和实验验证的结果均表明了该方法能够有效校正道旁获取的畸变声学信号。此外,由于采用了圆形麦克风阵列使得方法能够实现二维空间的定位,为分辨同轴声源提供了可能。另一方面,相对于其他的阵列多普勒畸变校正方法,该方法对无需准确的估计声源的数量,且具有更强的环境适应性以及更大实际运用潜力。最终,考虑到我国铁路运输的基本国情,为了进一步降低道旁声学诊断系统的成本的同时提升系统的诊断速度,本文提出了一种道旁多普勒畸变信号的在线校正方法的并嵌入实现于自主设计的嵌入式系统中。该嵌入式系统首先通过简化的圆形麦克风阵列技术或必要的传感器获得监测目标声源的运动参数并输入嵌入式系统中,随后通过在嵌入式系统中在线实现简化的非等间隔采样实现对麦克风接收的多普勒畸变信号的在线校正,并在此基础上结合在线包络方法获取校正信号的包络以供进一步的故障诊断。仿真和实验验证均验证了方法的有效性,同时该方法的成功实现于嵌入式系统、也进一步说明了该方法的优越性能。通过探讨多普勒畸变校正的嵌入式实现,为快速、低成本的高速列车轴承道旁声学诊断系统的实现提供了一种新的可能方向。本文以道旁圆形麦克风阵列接收的混迭畸变信号为研究对象,通过研究基于短时阵列技术的混迭畸变信号的分离和校正技术,并最终尝试于嵌入式系统中在线实现多普勒畸变信号的校正,为准确、快速、低成本的高速列车轴承道旁声学诊断系统的研究提供了一定的研究基础,具有一定的参考价值。(本文来源于《中国科学技术大学》期刊2018-05-01)
刘晨轩,蓝贤桂[3](2012)在《语音信号短时分析算法研究与实现》一文中研究指出在通信领域中,语音信号的研究层出不穷,语音信号处理是以语音语言学和数字信号处理为基础而形成的一门涉及面很广的综合性学科,其中,短时分析给语音信号处理提供了有力的分析方法。本文研究了语音信号的分析方法,即短时能量与短时平均幅度分析、短时过零率分析、短时相关分析、短时傅里叶变换分析,并利用MATLAB对语音信号的短时分析进行了算法实现。(本文来源于《价值工程》期刊2012年12期)
崔胜忠,黄晓林,宁新宝[4](2010)在《心率变异性短时分析的非平稳性影响研究》一文中研究指出针对短时心率变异性(heart ratev ariability,HRV)分析在临床中常常不能得到一致性结果的情况,研究几种常用HRV短时分析参数受非平稳性的影响。通过几种参数与平稳性衡量参数(均值、标准差)的相关性分析,结果表明,各短时参数在长时数据中呈现出随时间变化的波动,其中HFnorm和SE受非平稳干扰影响大,LFnorm和BE受非平稳干扰影响小。从而推论,非平稳干扰是影响短时HRV分析结果一致性的一个原因,尽量排除非平稳干扰,严格保证数据的可比性前提,可提高其分析结果的可靠性和一致性;同时,HRV中的低频波动不只包含了非平稳干扰的影响,还蕴含了心脏动力系统的固有特性,短时分析参数由于未能包含这部分低频信息,所以不能对心脏动力系统提供全面描述,这是导致短时HRV分析结果一致性差的另一个重要原因。(本文来源于《北京生物医学工程》期刊2010年01期)
刘亚丽,杨鸿武,周慧[5](2009)在《基于经验模态分解和短时分析的说话人研究》一文中研究指出本文提出了一种新的基于经验模态分解和短时分析的说话人研究方法。在特征提取上,利用希尔伯特-黄变换中的经验模态分解法获得语音信号的固有模态函数,再结合短时分析技术获得语音信号的特征参数;在识别算法上,采用传统高斯混合模型进行说话人识别。实验结果表明,本文提出的EMD分解法+短时分析+高斯混合模型比传统的短时分析+高斯混合模型的的方法,在测试集上识别率由90.62%提高到了93.51%。(本文来源于《第十届全国人机语音通讯学术会议(NCMMSC2009)论文摘要集》期刊2009-08-14)
王宏,潘金贵[6](2007)在《语音短时分析的谱误差及其全相位DFT谱研究》一文中研究指出主要以汉明窗为例,定量分析了窗函数引起的信号幅度谱误差,给出了相对幅度谱补偿系数的理论值。对单频信号和噪声信号的计算机仿真分析验证了该补偿系数的正确性。此外,为进一步提高语音短时谱的分析质量,还给出了一种计算语音短时全相位DFT谱的方法,并通过计算机仿真验证了该方法的谱分析性能。(本文来源于《计算机应用》期刊2007年10期)
魏泽峰,聂超,陶卿[7](2007)在《基于傅立叶短时分析的敏感语音信号提取》一文中研究指出傅立叶变换在信号处理中具有十分重要的作用,在语音信号处理中,傅立叶变换在传统上也一直起主要作用。然而,语音信号是一个非平稳过程,因此适用于周期信号、瞬变信号或平稳随机信号的标准傅立叶变换不能用来直接表示语音信号。本文利用傅立叶短时分析实现了对语音信号中敏感信息的提取,具有一定的实用性和创新性。(本文来源于《微计算机信息》期刊2007年06期)
周云松,邓兵[8](2005)在《基于短时分析的数字调制信号识别方法的研究》一文中研究指出研究了一种新的数字调制信号识别方法。该方法用短时分析提取数字调制信号在幅度、频率和相位随时间变化的特征,并利用这些特征对各种数字调制信号进行识别。在加性高斯白噪声条件下给出了相应的最佳阈值,并通过仿真研究了该识别方法的性能。仿真结果表明该方法对噪声不敏感,在SNR为0dB时仍能获得90%以上的正确识别率。(本文来源于《信息技术》期刊2005年06期)
朱利民,钟秉林,贾民平,Joshua,Altmann[9](2000)在《振动信号短时分析方法及在机械故障诊断中的应用》一文中研究指出研究了低信噪比情况下提取周期性冲击故障信号特征的短时分析方法。定量分析了短时能量方法的抑噪特性 ,指出信号的局部特征越明显则短时能量处理越能显着地提高信噪比 ,短时能量函数中实际有用信号能量与实际噪声信号能量的比值可作为一特征量使用。建立了信号一步自相关系数与重心频率及过零率之间的定量关系 ,指出短时一步自相关系数和短时过零率的物理含义相同 ,反映的只是信号功率谱重心的变化 ,与信号能量的变化无关 ,故不适宜于分析受强噪声干扰的时变故障信号。最后以滚动轴承故障信号分析实例验证了短时能量分析方法的有效性(本文来源于《振动工程学报》期刊2000年03期)
严峻,朱利民[10](1999)在《信号短时分析方法在机械故障诊断中的应用》一文中研究指出定性研究了短时能量分析法的特性,指出该方法在时域中相当于用能量法检测瞬态信号,而在频域中相当于用自相关函数法检测频谱中的周期成分,并根据方差与一步自相关系数的关系讨论了可用于分析调频信号的短时一步自相关函数法,给出了2种计算短时参数的快速算法,最后以振动信号分析实例验证了短时分析法的有效性。(本文来源于《南京邮电学院学报(自然科学版)》期刊1999年04期)
短时分析论文开题报告
(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:
随着机械装备的规模日趋庞大,性能日趋优越、功能日趋繁多、结构和运行环境日趋复杂,机械装备故障所带来的后果也日趋严重。发展针对性的机械装备故障诊断技术以保障机械装备长期安全平稳运行具有非常重大的意义。高速铁路运输作为我国国民经济的命脉产业,保障高速列车安全、平稳、不间断运行是高速铁路运行面临的一大难题。在诸多种类的列车故障中,列车轮动轴承故障是列车故障的主要类型。是以,发展列车轮对轴承故障诊断技术意义极为重大。同时,鉴于道旁声学诊断系统具有非接触测量、早期故障预警以及低成本等优势,发展列车轴承道旁声学诊断系统符合我国的基本国情。然而,道旁声学诊断系统接收的信号成分相对复杂,其不仅受到高强度的环境背景噪声的干扰,同时该接收信号中还存在严重的多普勒畸变以及多声源混迭现象,这些因素致使基于道旁声学信号的列车轴承状态监测与故障诊断困难重重。另一方面,鉴于我国漫长的高速铁路,为了实现对高速铁路的监测的全面覆盖,需要进一步降低道旁声学诊断系统的成本。针对上述问题,本文以圆形麦克风阵列为道旁信号接收手段,通过采用短时麦克风阵列技术,得到信噪比相对较高的分离和校正的无畸变的道旁声学信号,并以此为基础实现高可靠性的列车轴承状态评估,最终尝试研制快速、准确、低成本的列车轴承道旁声学诊断系统。本文首先详细的介绍了列车轴承道旁阵列声学信号的获取过程,同时对该信号获取过程中涉及到的轴承的类型及相关故障特征信息、实验平台的详细信息以及通过实验平台获取的静态声学信号和动态的道旁声学信号等信息进行了详细阐述,通过观察接收的道旁声学信号的时频分布,证明了道旁阵列的接收信号中存在严重的多普勒畸变和声源混迭现象。接收声源的混迭畸变特性加剧了准确故障诊断的难度。此外,本文中对基于单麦克风以及麦克风线阵的混迭畸变的声学信号的分离校正的局限性进行了简单的探讨,指出了发展基于圆形麦克风阵列的道旁混迭畸变声学信号分离校正技术的必要性。随后,针对道旁阵列接收信号中存在的混迭畸变,本文基于道旁声学诊断的基本模型提出了短时斜投影的空间指向性滤波方法用于圆形阵列接收的混迭畸变声学信号的分离和校正。该方法首先根据空间运动目标声源的斜投影矩阵构造相应的运动目标声源中心位置的指向性滤波器,通过该滤波器获取不同的运动目标声源的时间中心,随后基于该时间中心以及运动目标声源的运动速度信息,构造短时斜投影空间指向性滤波器实现对空间混迭畸变声学信号的分离和校正。模拟仿真和实验验证均表明了该方法能够较为彻底地分离和校正混迭畸变声源。同时由于该方法充分利用了运动目标声源的空间位置信息,方法的适用性更为广泛。紧接着,针对道旁圆形阵列接收信号中的多普勒畸变,本文基于上述建立的基本模型提出了短时稀疏奇异值分解方法用于校正圆形阵列接收信号中的多普勒畸变。该方法首先通过构造完备的空间导向矩阵将导向矩阵的稀疏性转换为原始声源信号的稀疏性,随后利用短时稀疏奇异值分解方法计算出运动目标声源的空间位置随时间的变换规律,并结合基本模型的基本参数,得到运动目标声源的发射时刻与麦克风阵列接收时刻的关系用于插值拟合重采样,最终将插值重采样的信号在时域重排获得无畸变的校正信号。模拟仿真和实验验证的结果均表明了该方法能够有效校正道旁获取的畸变声学信号。此外,由于采用了圆形麦克风阵列使得方法能够实现二维空间的定位,为分辨同轴声源提供了可能。另一方面,相对于其他的阵列多普勒畸变校正方法,该方法对无需准确的估计声源的数量,且具有更强的环境适应性以及更大实际运用潜力。最终,考虑到我国铁路运输的基本国情,为了进一步降低道旁声学诊断系统的成本的同时提升系统的诊断速度,本文提出了一种道旁多普勒畸变信号的在线校正方法的并嵌入实现于自主设计的嵌入式系统中。该嵌入式系统首先通过简化的圆形麦克风阵列技术或必要的传感器获得监测目标声源的运动参数并输入嵌入式系统中,随后通过在嵌入式系统中在线实现简化的非等间隔采样实现对麦克风接收的多普勒畸变信号的在线校正,并在此基础上结合在线包络方法获取校正信号的包络以供进一步的故障诊断。仿真和实验验证均验证了方法的有效性,同时该方法的成功实现于嵌入式系统、也进一步说明了该方法的优越性能。通过探讨多普勒畸变校正的嵌入式实现,为快速、低成本的高速列车轴承道旁声学诊断系统的实现提供了一种新的可能方向。本文以道旁圆形麦克风阵列接收的混迭畸变信号为研究对象,通过研究基于短时阵列技术的混迭畸变信号的分离和校正技术,并最终尝试于嵌入式系统中在线实现多普勒畸变信号的校正,为准确、快速、低成本的高速列车轴承道旁声学诊断系统的研究提供了一定的研究基础,具有一定的参考价值。
(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。
短时分析论文参考文献
[1].吴树兴,刘新红.语音短时分析与合成的滤波器实现[J].信息与电脑(理论版).2019
[2].欧阳可赛.圆形阵列短时分析用于列车轴承道旁声学信号分离与校正的理论研究[D].中国科学技术大学.2018
[3].刘晨轩,蓝贤桂.语音信号短时分析算法研究与实现[J].价值工程.2012
[4].崔胜忠,黄晓林,宁新宝.心率变异性短时分析的非平稳性影响研究[J].北京生物医学工程.2010
[5].刘亚丽,杨鸿武,周慧.基于经验模态分解和短时分析的说话人研究[C].第十届全国人机语音通讯学术会议(NCMMSC2009)论文摘要集.2009
[6].王宏,潘金贵.语音短时分析的谱误差及其全相位DFT谱研究[J].计算机应用.2007
[7].魏泽峰,聂超,陶卿.基于傅立叶短时分析的敏感语音信号提取[J].微计算机信息.2007
[8].周云松,邓兵.基于短时分析的数字调制信号识别方法的研究[J].信息技术.2005
[9].朱利民,钟秉林,贾民平,Joshua,Altmann.振动信号短时分析方法及在机械故障诊断中的应用[J].振动工程学报.2000
[10].严峻,朱利民.信号短时分析方法在机械故障诊断中的应用[J].南京邮电学院学报(自然科学版).1999