导读:本文包含了人耳提取论文开题报告文献综述及选题提纲参考文献,主要关键词:瞬态信号,信号分离,特征提取,听觉机制
人耳提取论文文献综述
张延琛[1](2019)在《基于人耳听觉特性瞬态信号的提取方法研究》一文中研究指出针对瞬态信号提取问题,利用人耳听觉系统识别机制,提出一种在单通道信号条件下自动提取信号源中瞬态信号的方法。该方法首先对信号进行带通滤波,并通过逆序滤波实现相位调整,继而通过包络分析获得各滤波信号极大和极小值及其各对应的时间点,最终利用极值的幅值和时间,得到同步性和瞬态性线索。通过这2类信息,可以在时频域中筛选出符合瞬态成分特点的滤波信号所对应的时频段,最终完成瞬态成分的波形生成。该方法仅需1路信号源就可准确地提取出故障产生的瞬态信号,从而判断出设备的故障源,且该方法比盲源分离等方法能快速实现在线检测。(本文来源于《矿山机械》期刊2019年07期)
朱兆华,吉晓民,高瞩,白晓波,胡钢[2](2018)在《人耳曲面特征点提取与形状分类方法研究及应用》一文中研究指出为了设计穿戴舒适和防滑落的耳机,采集和扫描了310位年龄为18~28岁中国年轻人耳印(男性169只,女性141只);集合曲面曲率理论,通过对Rhino Script的二次开发,完成耳甲腔复杂曲面5个特征点叁维坐标的自动和准确提取;利用SPSS对耳甲腔10个特征距离统计分析,结果显示耳甲腔的形状及尺寸存在显着性差异,且男性特征距离的均值均大于女性;基于特征距离及特征点分布情况将耳甲腔的形状划分为27组,并计算出每一组针对耳机设计的耳甲腔基本形状;同时求得每一组人数占比,为耳机的人机工效学设计和生产提供了6组优先组;最终基于分类的结果对耳机进行设计、3D打印及穿戴试验,验证了该分类方法的可行性。(本文来源于《机械科学与技术》期刊2018年03期)
张铁山,任众[3](2016)在《基于人耳听觉模型的煤矿顶板敲击声音信号特征提取》一文中研究指出介绍了人耳听觉模型,详细分析了基底膜振动模型、内毛细胞模型和耳蜗核数学模型,并给出了听觉谱特征向量提取过程。在此基础上,提出了基于人耳听觉模型的煤矿顶板敲击声音信号特征提取方法。分别利用人耳听觉模型和小波包对煤矿顶板敲击声音信号进行特征提取,再用支持向量机分类器对目标特征进行分类识别。实验结果表明,对于采用人耳听觉模型提取的特征,正确识别率在95%以上,说明基于人耳听觉模型的煤矿顶板敲击声音信号特征提取方法有利于提高煤矿顶板检测的准确率。(本文来源于《工矿自动化》期刊2016年09期)
唐婉冰,关瑜,王子豪,李琛[4](2015)在《基于LBP和PCA特征提取的人耳识别》一文中研究指出研究一种新的基于局部二值模式(LBP)和主成分分析法(PCA)的人耳识别方法。该方法结合PCA在提取全局特征方面的优势及LBP在提取局部纹理细节方面的优势,能从人耳图像中提取出较好的用于识别的特征。相对于原始的LBP和PCA方法,结合LBP和PCA的人耳识别方法在识别率方面有明显提高。(本文来源于《计算机与现代化》期刊2015年12期)
伍云霞,张好朋,杜东璧[5](2015)在《人耳图像特征提取方法及其在矿工身份识别中的应用》一文中研究指出针对现有人耳特征提取方法主要采用几何形状法和代数法提取,存在偏差较大的问题,提出了一种新的人耳图像特征提取方法,并将其应用到矿工身份识别中。该方法利用叁尺度canny算子提取人耳边缘图像,运用凸包算法提取人耳边缘特征点,采用轮廓搜索算法提取人耳外轮廓,在极平面上用外耳轮廓上的点到极点的距离与人耳长轴的比值构成人耳特征向量,解决了几何形状法提取人耳特征偏差大的问题。将用该方法提取的人耳图像特征用于矿工身份识别,正确识别率达96%。(本文来源于《工矿自动化》期刊2015年11期)
蒋景英,张琪,张昊,卢钧胜,徐可欣[6](2015)在《一种提高人耳特征点识别度的目标区域提取方法》一文中研究指出对人耳进行特征识别多采用SURF算法,但该算法应用时极易受到图像中非目标区域的干扰,进而影响人耳特征点的检测和匹配准确度.基于目标区域的人耳特征识别算法可以突出目标区,而尽可能地抑制背景区域的影响.针对此问题,提出一种复合图像分割算法—KRM法作为人耳识别的预处理方法,将图像中人耳所在目标区域提取出来.该KRM法分为3步:首先利用k-means聚类算法将图像初步分割为前景目标区域和背景两类;再通过区域生长算法对过度分割的区域进行合并;最后应用形态学腐蚀的方法进行滤波得到人耳所在的目标区域.将KRM目标区域提取和SURF方法联用(简称KRM-SURF算法)应用于50组人耳图像,进行人耳特征点的检测与匹配,实验结果表明,特征点识别度(RD)均值达到0.924,KRM法的使用能极大地提高基于SURF算法的人耳特征识别的准确性.(本文来源于《纳米技术与精密工程》期刊2015年04期)
裴孝中,郑铁然,韩纪庆[7](2015)在《行车噪声环境下基于人耳频率选择特性的声学特征提取方法》一文中研究指出本文提出了一种基于加权Mel滤波器组的声学特征提取方法。该方法通过提取音频信号中的共振峰信息,使用动态自适应方法对中高频部分的Mel滤波器组进行加权,从而模仿人耳覆膜的频率选择映射。相比较于传统的MFCC特征,更适用于行车噪声环境下的快速声学事件检测任务;弥补了传统的Mel滤波器组高频部分分辨率低,从而导致对噪声鲁棒性较差的问题。实验结果表明:在信噪比较低的行车环境中,该特征有助于提高声学事件的检出率。(本文来源于《智能计算机与应用》期刊2015年03期)
张延琛[8](2014)在《基于人耳听觉特性瞬态信号的提取方法研究》一文中研究指出在现代制造工业中,旋转机械的损坏多会产生比较剧烈的瞬态信号如轮齿断裂、轮齿裂纹、轴承故障等。因此可以通过瞬态信号可以判断设备的状况和具体故障,而瞬变的瞬态信号往往淹没在噪声和其他信号中,因此提取瞬变的瞬态信号是信号处理的一个难题。采用传统的信号处理方法难以有效的提取瞬态信号,现有的提取瞬态信号的方法大多数需要人为干预,如果能找到一种自动提取瞬态信号意义重大。本文围绕着模拟人耳听觉特性自动提取瞬态信号为中心进行了研究,主要研究内容如下:(1)建立人耳听觉模型。首先,根据科学家对人耳外周模型的了解,选用Gammatone滤波器组做为听觉外周模型把不同频率段的信号进行分离有利于信号的进一步分析(如在输出的时频图中可以看出调幅信号;可以使微弱的瞬态信号初步明显);对信号进行逆GT变换消除相邻通道内相同频率成分的相位差,然后,采用Meddis模型来模拟听觉系统的内毛细胞。Meddis模型的主要作用有对通过GT的信号进行半波整流、非线性压缩和自适应调整,可以降低下一步对信号处理的数据量。(2)瞬态信号的提取。瞬态信号的特性为瞬变,表现为两个方面:幅值瞬时突变、频率瞬时突变。本文利用包络方法提取瞬变幅值,对每个通道的信号幅值进行两次包络(两次包络可以直接剔除调幅、调频和正弦信号)。对二次包络先进行同步性检测再对第二次包络的幅值进行比较得出瞬态信号的起点;对一次包络的极小值运算可以得出瞬态信号的结束点,通过波形生成环节可以把振动信号中的瞬态信号提取出来。(3)仿真与实验。搭建了二级斜齿轮减速器试验台,可以实现多种不同类型的故障模拟。本文主要对齿轮间隙、减速器异响进行方法可行性的验证。运用本文方法成功的提取出仿真信号和试验振动信号中的瞬态成分。(4)瞬态信号的频谱估计。瞬态信号的幅值谱含有故障零件的固有频率,对瞬态信号的频谱估计可以提高故障零件固有频率的估计精度,进而判断出发生故障的零部件。(本文来源于《东北大学》期刊2014-06-01)
黄山奇,张连海,屈丹[9](2012)在《一种基于人耳听觉感知和子带补偿滤波的鲁棒语言辨识特征参数提取算法》一文中研究指出针对目前语言辨识系统所采用的特征参数没有充分考虑人耳听觉机制、鲁棒性较差的问题,提出一种符合人耳听觉感知特性的鲁棒语言辨识参数提取算法.该算法主要从两个方面提高特征参数的鲁棒性:在计算各子带能量时采用更符合人耳感知特性的Gammachirp滤波器组代替常用的叁角滤波器组;为每一子带通道设计一个补偿滤波器.子带补偿滤波器的设计采用数据驱动的策略,通过补偿使得各子带滤波器输出信号的失真及环境噪音导致的失真同时达到最小.实验表明,文中所提出的特征在常见噪声环境下,性能均优于目前普遍使用的Mel频率倒谱系数特征及其衍生参数.(本文来源于《模式识别与人工智能》期刊2012年01期)
王杨,程科[10](2012)在《基于PCA与Fisherface互补双特征提取的人耳图像识别》一文中研究指出人耳识别目前是一种新的生物特征识别技术,特征提取是模式识别技术中的关键环节,决定着分类结果正确率的高低,单特征提取方法需要在一定的条件下才能取得较高的识别率,但是采用双特征提取却可以克服单特征提取的这一局限性.为了提高分类结果的正确率,提出了一个全新的方法,即基于主成分分析(PCA)与fisherface的互补双特征提取方法,并将其运用于人耳图像识别中,在北京科技大学提供的人耳图像库上的实验结果表明,该方法的人耳识别率明显高于PCA、fisherface、ICA单特征提取的人耳识别率.(本文来源于《微电子学与计算机》期刊2012年02期)
人耳提取论文开题报告
(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:
为了设计穿戴舒适和防滑落的耳机,采集和扫描了310位年龄为18~28岁中国年轻人耳印(男性169只,女性141只);集合曲面曲率理论,通过对Rhino Script的二次开发,完成耳甲腔复杂曲面5个特征点叁维坐标的自动和准确提取;利用SPSS对耳甲腔10个特征距离统计分析,结果显示耳甲腔的形状及尺寸存在显着性差异,且男性特征距离的均值均大于女性;基于特征距离及特征点分布情况将耳甲腔的形状划分为27组,并计算出每一组针对耳机设计的耳甲腔基本形状;同时求得每一组人数占比,为耳机的人机工效学设计和生产提供了6组优先组;最终基于分类的结果对耳机进行设计、3D打印及穿戴试验,验证了该分类方法的可行性。
(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。
人耳提取论文参考文献
[1].张延琛.基于人耳听觉特性瞬态信号的提取方法研究[J].矿山机械.2019
[2].朱兆华,吉晓民,高瞩,白晓波,胡钢.人耳曲面特征点提取与形状分类方法研究及应用[J].机械科学与技术.2018
[3].张铁山,任众.基于人耳听觉模型的煤矿顶板敲击声音信号特征提取[J].工矿自动化.2016
[4].唐婉冰,关瑜,王子豪,李琛.基于LBP和PCA特征提取的人耳识别[J].计算机与现代化.2015
[5].伍云霞,张好朋,杜东璧.人耳图像特征提取方法及其在矿工身份识别中的应用[J].工矿自动化.2015
[6].蒋景英,张琪,张昊,卢钧胜,徐可欣.一种提高人耳特征点识别度的目标区域提取方法[J].纳米技术与精密工程.2015
[7].裴孝中,郑铁然,韩纪庆.行车噪声环境下基于人耳频率选择特性的声学特征提取方法[J].智能计算机与应用.2015
[8].张延琛.基于人耳听觉特性瞬态信号的提取方法研究[D].东北大学.2014
[9].黄山奇,张连海,屈丹.一种基于人耳听觉感知和子带补偿滤波的鲁棒语言辨识特征参数提取算法[J].模式识别与人工智能.2012
[10].王杨,程科.基于PCA与Fisherface互补双特征提取的人耳图像识别[J].微电子学与计算机.2012