导读:本文包含了音频特征分析论文开题报告文献综述及选题提纲参考文献,主要关键词:地热资源,水文地质,可控源音频大地电磁,承德
音频特征分析论文文献综述
王恒,甘凤伟,卫晓锋,黄行凯,王晨升[1](2019)在《基于可控源音频大地电磁的传导型地热资源特征分析》一文中研究指出地下介质电阻率能够综合反映多孔介质及其所含流体的电学信息,在多孔介质均匀的情况下,能够反映地下介质含水量的空间分布。本研究以承德南部地区层状热储为例,利用可控源音频大地电磁方法获得了剖面电阻率,建立了电阻率分布与地下介质构造及含水量的对应关系。研究表明,在岩性均一的条件下,地球物理勘探是研究层状热储的有效手段。(本文来源于《矿产勘查》期刊2019年08期)
姚明,韩浩江,周鸣[2](2019)在《分布式变电站设备音频指纹特征采集和诊断分析系统》一文中研究指出本文介绍了一种基于ARM的分布式变电站设备音频指纹特征采集和诊断分析系统,该系统由一个或多个音频采样模块和一个集控中心组成。音频采样模块具有小型化、模块化、易安装的特点,对所监测的变电站设备布局、空间结构等没有特殊要求,依靠简易支架固定在目标区域内,主要通过声音传感器获取设备及环境音频,通过高速网络将音频数据传输到集控中心,集控中心诊断分析系统利用融合卷积神经网络和聚类分析算法的多层音频特征诊断模型对音频样本进行诊断分析,以获取设备及环境实时状态,并对诊断信息进行实时记录和存储,可以有效实现设备故障预警和故障定位。通过在实际变电站环境下安装采集诊断系统并开展长期系统验证测试,表明本文设计的方案性能稳定,功能完善,具备实用价值。(本文来源于《电器工业》期刊2019年06期)
高鑫[3](2018)在《音频大地电磁法极化特征在某隧道工程地质特征分析中的应用》一文中研究指出音频大地电磁法具有勘探效率高,探测深度大,横向分辨率高等优点,而被广泛应用于公路及铁路隧道勘察中,用以解决对断层、破碎带等地质问题的探测工作,效果显着,然而大地电磁反演解释仅限于二维反演解译,不能很好解决隧道工程地质的精细分析。以某工区隧道为例,进行音频大地电磁法极化特征分析,对比分析大地电磁二维反演成果,综合分析隧道工程地质特征,结果表明,大地电磁极化特征可以有效揭示隧道工程地质特征,同时可以反映隧道维性特征,结合大地电磁二维反演成果,更好地解释隧道工程地质特征。(本文来源于《工程地球物理学报》期刊2018年05期)
杨昀[4](2018)在《基于知识付费行业特征的移动音频应用发展分析》一文中研究指出移动音频作为再造声音价值的实现方式有着庞大的用户群和极佳的市场前景。音频内容以其伴随性、共时性以及在碎片化场景中的优势成为优质内容付费的首选对象。本文对知识付费平台进行差异化对比分析,进一步归纳出知识付费行业呈现的新模式和新特征,从而对移动音频应用的竞争格局及发展趋势作出详细分析。(本文来源于《电视指南》期刊2018年14期)
王昱洁,杨萍,蒋薇薇[5](2015)在《一种基于MDCT量化系数统计特征的AAC音频隐写分析方法》一文中研究指出文章提出了一种基于MDCT量化系数统计特征的AAC音频隐写分析方法。将AAC音频进行部分解码得到MDCT量化系数,在MDCT量化系数中提取广义高斯分布模型的参数、量化系数分布直方图的频域统计矩、帧内和帧间MDCT量化系数的Markov转移矩阵的部分数据作为隐写分析的特征,最后采用支持向量机进行分类。通过对不同比特率的AAC音频的实验结果表明,文中提出的AAC音频隐写分析方法对于MDCT量化系数中的直接扩频隐写方式的检测效果较好,对于比特率为128kb/s的AAC音频,在隐写容量较低的情况下也能达到较高的检测率。(本文来源于《合肥工业大学学报(自然科学版)》期刊2015年10期)
张雪源[6](2015)在《面向音频检索的音频特征分析方法研究》一文中研究指出随着互联网技术的发展和手持录像、录音设备的普及,普通用户可以获取的多媒体数据呈现爆炸式增长。为了实现对海量多媒体数据的管理和检索,基于内容的检索技术成为了研究热点。这种检索方法要求用户直接给出反映查询意图的样例,系统从中提取反映内容信息的底层特征后在数据库中搜索相似的样本,因此该方法依赖于具有区分力的特征以及快速的检索算法。本文针对多媒体数据中的音频部分,以基于内容的音频检索为研究目标,以提取底层音频特征为核心研究内容,借鉴人脑对声音的感知方式,探索了基于稀疏表示的多种音频特征,提出了基于倒排索引的音频内容检索算法。本文主要工作及贡献如下:(1)基于人脑对谐波结构的感知特点,提出了一种基于谐波分量的频谱分解方法。设计一个能够在频域表达谐波结构的字典,该字典利用谐波基频、共振峰频率和泛音能量衰减速率等参数描述谐波结构。基于所设计字典,采用匹配追踪算法对信号频谱进行稀疏表示,然后将分解后原子参数的统计特性作为音频特征。16类闭集音效分类实验结果中,提出的谐波分量特征获得64.8%的分类效果,相对MFCC特征和谱特征,分别提升了7.4%和3.9%;与MFCC结合后,分类效果达到66.3%。(2)针对(1)中的谐波特征时间分辨率较差的问题,提出了基于人脑感知的时域分解模型。该模型依据人脑对音频中谐波、瞬时和残差成分的不同感知方式,将信号分解到各自子空间并分别对各分量进行时间-频率联合表示:分别使用具有良好时-频特性的Gabor字典,与人耳频率响应相吻合的Gammatone字典,以及噪声颜色对叁个子空间进行描述。16类音效分类实验结果中,所提出的音频特征获得72.3%的分类效果,与MFCC、MFCC+MP和MFCC+MAXMP特征的分类结果相比,分别提升了14.9%,6.2%和4.7%。(3)针对(1)和(2)中使用的传统稀疏表示中系数向量对原子参数表征能力不足的缺点,提出了基于系数张量的音频特征表示方法,该系数张量利用张量的高阶特性,使用不同的阶(模)表示不同的参数,因此联合地描述了信号中各Gabor分量的时间、频率和长度信息,得到信号的联合时间-频率-长度表示。给出了一种非负稀疏张量的分解算法,利用张量内的稀疏度作为惩罚参数以避免过拟合,从张量中分解出时间、频率和长度因子作为音频特征。16类音效闭集分类实验结果中,系数张量特征能够达到82.2%的识别率。在开集确认实验中,该特征达到了20.4%的EER值。(4)针对传统的顺序音频检索方法计算量大的不足,提出了基于倒排索引的音频内容检索方法,包括音频内容分割,半监督音频字典训练以及相似度计算方法。首先探索了一种基于不相邻数据窗的噪音鲁棒快速说话人改变检测算法,并将该算法作为多层结构的音频内容分割算法的一部分。设计了一种半监督的字典训练方法,将分割后的音频片段转换为音频字。参考文本检索,提出了基于音频字的倒排索引结构。检索阶段,综合利用查询片段和候选段落之间内容上以及时序上的匹配进行结果排序。实验结果显示,查询样本时长为20秒时,本文检索方法的检索精确度达到95.68%,比顺序检索方法TAS和MOTS分别提升2.82%和1.37%,比基于词袋模型的算法提升18.77%,同时,所提出的算法用时分别只有上述算法的66.26%,35.50%和75.93%。(本文来源于《华南理工大学》期刊2015-04-16)
鲜研,潘峰,申军伟[7](2014)在《基于特征融合的加权SVM音频隐写分析算法》一文中研究指出针对隐写分析中特征维数过高的问题,提出一种特征加权支持向量机音频隐写分析算法。利用特征相关性对原始特征进行优化选择,利用增益比率法计算特征权重,提出了改进特征加权支持向量机。与常用的C-SVM进行的对比实验表明,该方法能够有效提高检测率,降低时间复杂度。(本文来源于《网络安全技术与应用》期刊2014年09期)
苏斌[8](2013)在《基于音频特征分析的车辆识别软件实现》一文中研究指出要大力实现交通运输系统的智能化,智能交通运输系统的发展至关重要,其关键在于车辆的检测及识别。而目前所使用的主流检测方法,由于种种原因,尚难以满足沿道路大量设置的要求,因此,本文以车辆静止或行驶时产生的音频信号为基础,主要对车辆音频信号的特征进行分析,在此基础上提出基于车辆音频信号对车型进行识别的方案的理论研究,并进行初步识别。(1)阐述软件开发的系统总体设计方案,详细描述系统整体的软件架构,主要介绍系统设计中涉及到的音频特征提取模块和基于音频特征的车辆识别模块设计思路,并介绍系统的数据库构成。(2)主要完成音频特征提取模块的详细设计。首先探讨音频去噪方法,为了提高算法对不同信噪比的带噪音频的处理能力,结合维纳滤波和自适应滤波的优势,对谱减法进行改进;其次针对本文所设计的系统平台,为保证系统识别性能,充分考虑音频帧内和帧间的信息,探讨选择Mel倒谱与一阶差分Mel倒谱作为特征参数,在一定程度上提高系统的稳健性。(3)主要探讨识别模型的设计方面,深入研究概率模型中的高斯混合模型方法,GMM不仅能利用到音频信号的时序动态信息,端点检测的精度对其识别性能的影响也很小,设计实现基于GMM的车型识别方法。(4)对前述各章中设计的软件功能和检索算法分别进行了试验测试和软件测试,进行了仿真实验,并得出了相关结论。(本文来源于《电子科技大学》期刊2013-09-02)
郭丁溢[9](2013)在《基于PCI-5616采集系统的车辆音频信号特征分析与研究》一文中研究指出随着交通事业的蓬勃发展,作为交通主要组成部分的车辆也日益受到人们的关注。车辆的音频信号可以反映车辆的很多特征信息,但目前对于车辆音频信号的研究较少。车辆音频信号和语音信号相比,振源位置较为分散,但两者均为媒体振动形式,有很多相近的特性,所以本文采用语音信号处理的理论和技术对车辆音频信号进行分析和研究。本文首先对PCI-5616高速数据采集系统进行学习和实际应用。学习了噪声传感器、噪声模块、抗混迭滤波放大器和PCI-5616高速数据采集卡,并用该系统采集音频信号进行分析处理,继而用该系统采集了大量的车辆音频信号,再利用窗函数、小波等理论,对音频信号进行了加窗、去噪等预处理。然后在时域、频域和时、频域对车辆音频信号进行特征分析和研究。在时域,分析了信号的短时能量、短时过零率、短时自相关和基音周期;在频域,建立了车辆音频信号的产生模型,对车辆音频信号进行了倒谱分析;在时、频域,对车辆音频信号进行了语谱图分析,并对基于EMD改进的MFCC参数提取算法进行了分析,经仿真实验,得到了车辆音频信号的短时能量、基音周期、LPCC参数、MFCC参数、语谱图和基于EMD改进的MFCC参数,并对这些特征进行了深入地研究。最后,将提取的部分特征应用于车型识别。通过对隐马尔可夫模型的学习,详述了基于车辆音频信号进行车型识别的流程方案和车型识别模型,利用已提取的LPCC参数、MFCC参数和基于EMD改进的MFCC参数,经过实验仿真,得到了良好的效果。(本文来源于《昆明理工大学》期刊2013-03-26)
程一峰[10](2012)在《基于TF-IDF的音频和歌词特征融合模型的音乐情感分析研究》一文中研究指出随着信息技术和多媒体技术的快速发展,音乐已经成为人们日常生活中不可或缺的多媒体资源之一。同时,音乐作为人类最重要的交流媒介之一,包含着丰富的情感信息,利用计算机技术来分析音乐的最为本质和最高级的特征—情感对推动自然和谐的情感化人机交互和多媒体技术的发展具有重要意义。本文围绕如何提取音乐中的情感特征并利用这些情感特征对歌曲进行分情感类展开,重点探讨了如何利用单一模态的歌词信息资源和融合歌词与音频两种模态的信息资源对音乐进行情感分类。本文的研究工作主要包括以下部分:①利用单一模态的歌词特征对音乐按照情感进行分类。对歌词的情感分类基于文本分类技术实现。在进行歌词情感特征选择时,改进了传统的CHI特征选择方法,提出了一种基于CHI差别的特征选择方法,该方法利用同一特征对不同类别的CHI的差值选取区分能力强的特征。利用选取后的歌词情感特征构建了SVM分类器,通过实验对比了传统CHI方法和本文提出的改进的CHI方法的分类效果,验证了新方法的有效性。②利用特征融合方法融合音频和歌词两种模态数据对音乐按照情感进行分类。本文提出了一种基于TF-IDF的歌词和音频的特征融合模型。该模型首先将提取的音频传统低层特征映射转换为音频词,生成与歌词文本类似的词袋模型,然后利用TF-IDF方法计算音频词的权重,再将歌词特征和音频词进行串联方式的特征融合,并利用融合后的特征构建SVM分类器对音乐进行情感分类。首先通过实验对比了利用音频词袋模型和传统低层音频特征的分类结果,之后又对比了基于本文提出的特征融合方法和传统将音频低层特征与歌词特征直接串联融合方法的分类效果,验证了本文提出特征融合方法的有效性。(本文来源于《重庆大学》期刊2012-04-01)
音频特征分析论文开题报告
(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:
本文介绍了一种基于ARM的分布式变电站设备音频指纹特征采集和诊断分析系统,该系统由一个或多个音频采样模块和一个集控中心组成。音频采样模块具有小型化、模块化、易安装的特点,对所监测的变电站设备布局、空间结构等没有特殊要求,依靠简易支架固定在目标区域内,主要通过声音传感器获取设备及环境音频,通过高速网络将音频数据传输到集控中心,集控中心诊断分析系统利用融合卷积神经网络和聚类分析算法的多层音频特征诊断模型对音频样本进行诊断分析,以获取设备及环境实时状态,并对诊断信息进行实时记录和存储,可以有效实现设备故障预警和故障定位。通过在实际变电站环境下安装采集诊断系统并开展长期系统验证测试,表明本文设计的方案性能稳定,功能完善,具备实用价值。
(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。
音频特征分析论文参考文献
[1].王恒,甘凤伟,卫晓锋,黄行凯,王晨升.基于可控源音频大地电磁的传导型地热资源特征分析[J].矿产勘查.2019
[2].姚明,韩浩江,周鸣.分布式变电站设备音频指纹特征采集和诊断分析系统[J].电器工业.2019
[3].高鑫.音频大地电磁法极化特征在某隧道工程地质特征分析中的应用[J].工程地球物理学报.2018
[4].杨昀.基于知识付费行业特征的移动音频应用发展分析[J].电视指南.2018
[5].王昱洁,杨萍,蒋薇薇.一种基于MDCT量化系数统计特征的AAC音频隐写分析方法[J].合肥工业大学学报(自然科学版).2015
[6].张雪源.面向音频检索的音频特征分析方法研究[D].华南理工大学.2015
[7].鲜研,潘峰,申军伟.基于特征融合的加权SVM音频隐写分析算法[J].网络安全技术与应用.2014
[8].苏斌.基于音频特征分析的车辆识别软件实现[D].电子科技大学.2013
[9].郭丁溢.基于PCI-5616采集系统的车辆音频信号特征分析与研究[D].昆明理工大学.2013
[10].程一峰.基于TF-IDF的音频和歌词特征融合模型的音乐情感分析研究[D].重庆大学.2012