起始点检测论文-胡保华,朱宗俊,刘正士,王勇

起始点检测论文-胡保华,朱宗俊,刘正士,王勇

导读:本文包含了起始点检测论文开题报告文献综述及选题提纲参考文献,主要关键词:改进样本熵,表面肌电信号,痉挛状态,牵张反射起始点

起始点检测论文文献综述

胡保华,朱宗俊,刘正士,王勇[1](2019)在《基于改进样本熵的牵张反射起始点检测研究》一文中研究指出针对痉挛状态患者表面肌电(sEMG)信号质量差、易出现尖锐毛刺噪声且信号时序较短的问题,提出基于改进样本熵的牵张反射起始点(SRO)判定方法,利用固定长度的滑动窗对sEMG信号进行分帧,计算每帧信号改进样本熵,设定自适应阈值确定SRO,并分析对比了基于标准样本熵的SRO检测性能。实验结果表明,基于改进样本熵SRO最大识别率为89.06%,SRO识别能力优于标准样本熵(最大识别率为48.18%),且数据长度依赖性优于标准样本熵,在短时序列与含尖锐毛刺噪声sEMG信号处理上表现出更好的鲁棒性,为定量与细化上肢痉挛状态提供了基础。(本文来源于《电子测量与仪器学报》期刊2019年02期)

成娟,陈勋,彭虎[2](2016)在《基于样本熵的肌电信号起始点检测研究》一文中研究指出该文提出了一种基于样本熵的动作肌电信号起始点检测方法,为肌电信号应用于智能假肢控制、人机交互,以及临床疾病诊断和评估等领域提供重要前提.首先利用固定长度的滑动窗对动作肌电信号分帧,然后计算每帧信号的样本熵值,之后设定自适应阈值确定动作肌电信号的起始点.实验结果表明,样本熵能够有效表征动作肌电信号的开启模式,对较短时间的肌肉收缩松弛有很好的连续性,较之于其他常见的几类检测算法具有更好的抗噪声性能,特别是对肌肉不自主收缩产生的尖锐毛刺信号具有优异的抑制性能.(本文来源于《电子学报》期刊2016年02期)

桂文明,刘睿凡[3](2015)在《一种应用谐波小波的音符起始点检测算法》一文中研究指出音符起始点检测是基于内容的音乐信息检索领域最重要的研究方向之一,也是诸多其他研究方向的基础性研究工作。在研究谐波小波特性的基础上,在与十二平均律对应的小波尺度上,对音乐信号进行连续谐波小波变换,实现了音符起始点检测算法,提升了检测性能。算法的全部乐曲最优平均检测结果和单首乐曲最优平均检测结果 F值分别为0.825 0和0.833 9。(本文来源于《金陵科技学院学报》期刊2015年04期)

林静,贺前华,李新超,杨继臣[4](2015)在《基于高频加权CQT谱的音符起始点检测》一文中研究指出为提高音符起始点检测的准确率,提出高频加权CQT谱能量的音符起始点检测算法。对音乐信号进行CQT变换得到音阶分布矩阵后,结合不同信号CQT分布的特点滤除噪声。在采用CQT谱能量差分进行音符起始点检测时,针对CQT变换变窗长计算带来的低频时间分辨率较低、时间误差较大可能导致误判的问题,利用音乐中谐波丰富且时间分辨率较高的特点,进行高频加权计算,突出高频成分的作用,降低检测误差。选取标注的音乐数据文件进行测试,应用高频加权CQT谱进行起始点检测的结果中,F值为0.8541,效果良好。(本文来源于《计算机工程与设计》期刊2015年09期)

苗长云,王有玺,高华,苗春浇[5](2015)在《Duffing系统中微弱信号起始点的检测》一文中研究指出为从时域上检测微弱信号在系统中出现的时间点,提出了一种基于Duffing系统的微弱信号起始点的间接检测方法.首先将微弱信号与Duffing系统自身的信号相迭加,混合测量后剔除其中Duffing系统产生的信号,再利用dmey小波对待测信号加入系统造成的轨道偏离过程进行时域分析,可较准确测出微弱信号的起始点.由于混沌系统本身对高斯噪声的自免疫特性,因此本方法具有一定的抗噪性.仿真结果显示:该方法能有效地从时域上检测到微弱信号的起始点,其相对误差可达到10-3s,可应用于心动信号特征参数的提取.(本文来源于《天津工业大学学报》期刊2015年02期)

马新建[6](2014)在《基于稀疏分解的音符起始点检测》一文中研究指出音符起始点检测是基于内容的音乐信息检索的重要课题。音符起始点是音乐信号的低级特征,研究音符的起始点对音乐的节奏分析、节拍跟踪、音乐结构分析等有重要的作用。音符起始点检测也是音乐情感分类,音乐包丢失恢复等课题的基础性工作。本文围绕音符起始点检测,做了以下几方面的工作:(1)在总结现有音符起始点检测框架下的预处理、信号变换、特征提取、检测函数生成和峰值提取方法的基础上,将稀疏分解引入到音乐信号变换中去。冗余字典下的稀疏分解更能适应不同的音乐信号,抓住信号的固有特性。(2)本文采用匹配追踪算法作为稀疏分解的方法,提出了匹配追踪下的基于表示程度和系数向量能量两种特征的音符起始点检测算法。文中使用高斯核光滑函数对检测函数处理,实验表明,高斯核光滑处理后检测函数曲线更加光滑,峰值更加突出。(3)实验部分对比了本文算法和传统音符起始点检测算法的准确率,并分析匹配追踪算法分解次数对实验结果准确率的影响。实验结果表明,文中两种算法准确率都比传统算法高;在匹配追踪分解次数较小时,随着分解次数的增大,检测结果准确率提高,当分解次数大于一定值时,分解次数增大,实验结果的准确率基本不变。(本文来源于《南京邮电大学》期刊2014-02-01)

桂文明,刘睿凡,邵曦,白光一[7](2013)在《基于常量Q变换的音符起始点检测》一文中研究指出针对音乐的音阶频率按指数规律分布的特点,提出基于常量Q变换(CQT)的音符起始点检测算法。该算法根据十二平均律的音阶频率分布规律,对音乐信号进行分解,得到一个分音矩阵,利用该分音矩阵生成检测函数,并提取峰值,得到音符起始点向量。实验结果显示,该算法的检测结果要优于2011年MIREX的结果。(本文来源于《计算机工程》期刊2013年10期)

桂文明,刘睿凡,邵曦,白光一[8](2013)在《基于匹配追踪的音符起始点检测》一文中研究指出在基于内容的音乐研究中,正确提取音符起始点信息是识别音高、节拍、节奏、段落等音乐高级特征的基础.本文提出了基于匹配追踪(Matching Pursuit,简称MP)的两种新型音符起始点检测算法:基于MP解释程度和基于分音变化的检测算法.这两种算法均在MP分解的基础上,分析MP码本,并利用改进的峰值提取算法生成音符起始点向量.从实验结果看,本文提出算法的性能指标和MIREX 2011的最好结果相当.(本文来源于《电子学报》期刊2013年06期)

桂文明[9](2013)在《音符起始点检测算法研究》一文中研究指出音乐作为热爱生活的人们的一种表现生活、享受生活的形式,其制作、存储、播放都随着信息技术的进步向数字化、集中化、共享化发展。基于内容的音乐信息检索技术正是这种变化趋势下的新技术和重要研究领域,而音符起始点检测算法是这个研究领域中的最重要研究方向之一,也是该领域其他研究方向的基础性研究工作。本文围绕音符起始点检测,做了以下几方面的工作:第一,在总结现有音符起始点检测算法的基础上,构建了音乐知识库启发下音符起始点检测框架,并在此框架下提出了分音波动特征。该特征通过乐理知识中的十二平均律,把构成音乐的各分音成分和信号的频率联系起来。分音波动特征是从音乐知识库提取先验知识分析而得到的,更具音乐固有特性和符合音乐心理学特点。第二,提出了基于连续小波变换的分音波动检测算法。该算法既能克服短时傅立叶变换的时频窗在音乐信号分析过程中固定不变的缺点,又能克服离散小波变换算法中二进尺度跨度大,难以区分八度内的音符的弱点。该算法首先在连续小波变换下对音乐信号进行分解,提取分音波动特征,并生成检测函数。随后,使用双边指数光滑算法和移动窗口归一化技术处理检测函数曲线,最后设定阈值,生成音符起始点。第叁,提出了基于常量Q变换的分音波动检测算法。常量Q变换不同于传统的信号变换方法,它的相邻谱线的频率间隔是呈指数增长的,这与分音的频率分布如出一辙。在音符起始点检测算法中引入常量Q变换提升了检测性能。该算法还具有执行速度快的优势。最后,研究了基于稀疏分解算法的音符起始点检测。冗余字典下的稀疏分解,对信号具有更强的适应性,能抓住信号的固有特性。本文采用匹配追踪算法实现稀疏分解,并提出了匹配追踪下的基于解释程度和基于分音波动的两种音符起始点检测算法。这两种算法均在匹配追踪算法分解音乐信号的基础上分析码本,并利用基于高斯核光滑的改进峰值提取算法生成音符起始点向量。实验结果表明这两种算法都有一定的理论和实践价值,对现实生活中占最大比重的混合音乐类型来说,匹配追踪下的分音波动检测算法相对其他算法有着更显着的优势。本文还探讨了融合检测算法对整体检测性能的作用。本文对全部算法采用Matlab进行编码,并在一个统一的音乐数据集下进行实验,对实验结果采用国际通用的评估标准进行评价和比较。实验结果表明本文提出的算法是理论可行,实践有效的。(本文来源于《南京理工大学》期刊2013-04-01)

韩雅欢[10](2013)在《基于Constant Q变换的音符起始点检测算法研究》一文中研究指出音符起始点检测问题是音乐信号分析与处理的基本问题,是基于内容的音乐检索系统的关键环节,尤其是哼唱检索系统,每个音符起始点的检测精准度在很大程度上影响了基于内容的音乐检索系统的准确性。现在音符起始点检测方法大都是在语音端点检测方法的基础上加以改进的。本文首先对音乐起始点检测的研究背景及意义进行了全面的介绍,总结出国内外研究人员的对该课题研究的四个重要步骤:预处理、特征提取、选取特征方程、峰值提取。然后对每一步骤做了详细的说明,介绍了几种经典的检测算法,并分析了利弊。最后,提出了更有效的全新的音符起始点检测算法——基于Constant Q变换的检测算法。该方法在Constant Q变换的基础上,将频谱能量与子带谱熵相结合,提出了一种新的计算距离的方法,再通过分层次归一的方法优化检测函数。在音频信号处理中,为了观察高频现象发生的时间位置,应该使用窄时域窗;为了了解低频现象,应该使用宽时域窗;短时傅里叶变换总是使用相同长度的窗,而Constant Q变换可以自动调节窗口长度,且频率点分布符合音乐的音阶分布。本文就是从Constant Q变换的角度出发,频谱能量能很好的反应音乐信号的变化,但是对于“软”音符,其频谱能量变化并不明显,而谱熵与音乐信号的随机性有关,与信号的幅度无关,对于“软”音符,它的谱熵不一定小,正好弥补了基于频谱能量方法的缺点,子带谱熵不仅继承了谱熵的优点,又有一定的抗噪性能。本文将频谱能量与子带谱熵这两个特征参数相乘,用一种新的计算距离的方法建立联合检测系统,得出的音符起始点时间更加精准。最后提出了一种新的优化检测函数的方法——分层次归一,使得峰值更加明显,有利于通过固定阈值的方法提取局部最大值。在仿真阶段,对不同类型的音乐片段进行仿真,分别用基于短时傅里叶变换的频谱差异的方法,基于Constant Q变换的频谱能量、子带谱熵、频谱能量与子带谱熵之积的方法对音乐片段进行仿真,分析仿真结果。实验分析结果表明本文提出的算法检测效果更加明显,有一定的优越性。(本文来源于《南京邮电大学》期刊2013-03-01)

起始点检测论文开题报告

(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:

该文提出了一种基于样本熵的动作肌电信号起始点检测方法,为肌电信号应用于智能假肢控制、人机交互,以及临床疾病诊断和评估等领域提供重要前提.首先利用固定长度的滑动窗对动作肌电信号分帧,然后计算每帧信号的样本熵值,之后设定自适应阈值确定动作肌电信号的起始点.实验结果表明,样本熵能够有效表征动作肌电信号的开启模式,对较短时间的肌肉收缩松弛有很好的连续性,较之于其他常见的几类检测算法具有更好的抗噪声性能,特别是对肌肉不自主收缩产生的尖锐毛刺信号具有优异的抑制性能.

(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。

起始点检测论文参考文献

[1].胡保华,朱宗俊,刘正士,王勇.基于改进样本熵的牵张反射起始点检测研究[J].电子测量与仪器学报.2019

[2].成娟,陈勋,彭虎.基于样本熵的肌电信号起始点检测研究[J].电子学报.2016

[3].桂文明,刘睿凡.一种应用谐波小波的音符起始点检测算法[J].金陵科技学院学报.2015

[4].林静,贺前华,李新超,杨继臣.基于高频加权CQT谱的音符起始点检测[J].计算机工程与设计.2015

[5].苗长云,王有玺,高华,苗春浇.Duffing系统中微弱信号起始点的检测[J].天津工业大学学报.2015

[6].马新建.基于稀疏分解的音符起始点检测[D].南京邮电大学.2014

[7].桂文明,刘睿凡,邵曦,白光一.基于常量Q变换的音符起始点检测[J].计算机工程.2013

[8].桂文明,刘睿凡,邵曦,白光一.基于匹配追踪的音符起始点检测[J].电子学报.2013

[9].桂文明.音符起始点检测算法研究[D].南京理工大学.2013

[10].韩雅欢.基于ConstantQ变换的音符起始点检测算法研究[D].南京邮电大学.2013

标签:;  ;  ;  ;  

起始点检测论文-胡保华,朱宗俊,刘正士,王勇
下载Doc文档

猜你喜欢