导读:本文包含了声源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:运动声源,特征提取,流形学习,短时傅里叶变换
声源提取论文文献综述
宿元亮,刘志红,王万凯,赵玉贵,仪垂杰[1]（2019）在《流形学习在运动声源声特征提取方面的研究》一文中研究指出运动声源因声信号时变性、迭加性和空时耦合性强,声数据呈现高维、非线性等特点,使得关键声特征提取困难,声特征提取方法复杂度高、数值计算量大、有效性差。因此,如何有效提取声特征并降低提取方法复杂度成为目前多源声场声源精准识别需迫切解决的关键科学问题。由此,该文提出短时傅里叶变换(STFT)和局部线性嵌入算法(LLE)联合的STFT-LLE流形学习声特征提取方法,并将此方法应用于运动声特征提取,且通过仿真实验测试对其进行了验证。该方法为运动声目标的分类识别提供了技术支撑。(本文来源于《应用声学》期刊2019年06期）
王万凯,刘志红,仪垂杰[2]（2019）在《运动声源声特征提取及试验研究》一文中研究指出城市交通噪声污染越来越严重,已成为环境污染的热点。交通噪声源是运动声源,其声数据呈现出高维数、非线性,由一般声特征分析方法提取有效声特征复杂度高、数值计算量大,因此文中提出了先采用短时傅里叶变换(STFT)提取声特征,把提取结果作为流形学习局部线性嵌入算法(LLE)的输入向量来构建LLE的高维特征矩阵,得到STFT-LLE流形学习新的声特征提取方法,解决了高维特征矩阵构建的难题。通过对STFT-LLE方法的数字仿真试验,验证了STFT-LLE方法提取运动声特征的有效性。(本文来源于《机械设计》期刊2019年S1期）
郭耀[3]（2019）在《多声源场景下GCC峰值大小对提取TDOA量测的影响》一文中研究指出本文在时延量测的获取过程中,根据GCC的峰值,为量测赋予不同权重,并将其用于RFS框架下的多目标跟踪。实验结果表明,量测加权后的方法能够在一定程度上提高目标数目估计的准确性和位置估计的精度。(本文来源于《科学技术创新》期刊2019年12期）
王泽明,程广利,孟路稳,罗夏云[4]（2019）在《用τ-p变换提取水中声源激发的海底Scholte波》一文中研究指出水中声源激发的海底地震波场成分复杂,为了将Scholte波从地震波场中分离出来,基于τ-p变换法,先将波场从t-x域变换至τ-p域,利用Scholte波与其他波在该域中的特性差异,提取Scholte波,然后将其反变换回t-x域,从而获得Scholte波。针对τ-p变换过程中固有的假频效应和端点效应,理论分析了各自的产生机理,分别采用限制波慢度和添加时间窗等方法抑制这两种效应。基于高阶交错网格有限差分法,给出了水中脉冲声源激发出的地震波场,并分析了其波动成分及特性,利用上述方法提取地震波场中的Scholte波,仿真结果证明了该方法的有效性。(本文来源于《声学技术》期刊2019年01期）
梁雍,陈克安[5]（2018）在《冲击声的稀疏特征提取及声源类型识别》一文中研究指出针对低信噪比下声源材料类型的细分任务,将稀疏表达用于冲击声信号的声源类型识别,提取的稀疏特征相比传统的MFCC特征有效改善了识别性能。分别基于3种预定义词典和一组根据训练信号学习的词典,利用正交匹配追踪(OMP)方法对录制冲击声进行稀疏表达,提取稀疏特征用于不同信噪比下冲击声信号的声源辨识,并与MFCC特征进行比较。对包含12类材料的冲击声数据库的分类结果显示,在几乎所有情况下,稀疏特征比MFCC特征具有更好的识别效果。特别是在信噪比较低的情况下,稀疏特征具有更好的抗噪性能。(本文来源于《声学学报》期刊2018年04期）
宋定艳[6]（2018）在《叁维音频中主声源—环境声提取算法的研究》一文中研究指出随着3D游戏和家庭影院等数字多媒体的发展,消费者要求更加身临其境的聆听体验。沉浸式听音体验是使用回放设备对录制的音频内容进行空间音频再现的目标。为了实现高效的空间音频再现,受人类听觉系统的启发,声场被认为是前景声音(Primary,主声源)和背景声音(Ambient,环境声成分)的线性组合。由于人耳对主声源和环境声成分存在感知差异,通过对主声源和环境声成分分别使用不同的渲染方案,可以保留各个成分独有的空间特性,并实现沉浸式的空间音频再现效果。由于现有的基于声道的音频信号都是不同音频成分的线性组合,这就需要从混合信号中提取主声源和环境声,这个过程被称为主声源-环境声提取(Primary-Ambient Extraction,PAE)。准确的PAE算法,可以很好的提高再现空间音频的质量。本文着重研究多声道和多主声源的PAE算法,以期通过更准确的PAE算法来实现高效的空间音频再现。现有的PAE算法多是针对立体声信号的,而针对多声道信号的PAE算法不够完善。现有多声道PAE算法计算复杂度较高,以及空间性能较差等问题。为了得到更准确的多声道PAE算法,本文分析了现有的多声道PAE算法,并提出了基于最小二乘法的多声道PAE算法,解决了现有算法计算复杂度较高和空间性能较差的问题,使多声道PAE算法具有更优的提取性能。通过实验证明,本文提出的算法在空间精确性和计算复杂度上都明显优于现有的多声道PAE算法。通过研究现有的PAE算法,发现目前PAE算法的主要处理对象还是单一主声源的混合音频,而对于多主声源混合音频的研究,很少涉及。本文针对多主声源PAE算法的研究现状,介绍了传统基于PCA的多主声源PAE算法,并在传统方法的基础上引入一个量化主声源和环境声能量的参数,设置阈值对主声源的提取进行控制。实验证明,本文提出的方法在主声源的提取性能上明显优于传统算法,解决了传统PCA算法误差较高的问题,平均降低了 5dB的误差信号比。本文对多声道以及多主声源PAE算法进行了深入的研究和讨论,并在传统方法基础上做出了改进。其最主要的目的还是得到更准确的PAE算法,以通过更准确的PAE提取来实现沉浸式的空间音频再现听音体验。(本文来源于《武汉大学》期刊2018-05-01）
李妍文[7]（2017）在《小尺寸麦克风阵列声源定位的特征提取与识别方法》一文中研究指出麦克风阵列声源定位技术作为语音信号处理领域的一项关键技术在实际中有广泛应用。针对实际应用中如圆桌视频会议,声源所有可能出现的位置对应于若干离散区域的情况,可以从机器学习的角度解决声源定位问题。基于机器学习的声源定位方法考虑了声源先验位置信息,其中的关键步骤是声源位置的特征提取。目前已有的特征提取方法,如采用麦克风之间的到达时间差作为特征,在混响噪声环境下的小尺寸麦克风阵列声源定位中无法达到精度要求。本文通过一阶谐波声场分析并结合机器学习理论,研究了适用于室内小尺寸麦克风阵列声源定位的特征提取方法。此外,识别方法也对定位算法性能有一定影响。考虑到深度学习网络的优势,利用降噪自编码器深度学习技术,本文还研究了基于声强特征的小尺寸阵列声源位置识别方法。论文主要工作和贡献如下:1.研究了典型的基于到达时间差的特征提取方法,并通过仿真实验分析了混响时间、信噪比、阵列尺寸等因素对该特征提取方法性能的影响。分析结果表明,该方法在阵列尺寸较大、混响噪声较小的情况下,能够实现声源定位;在小尺寸条件下,定位精度有所下降,定位性能不稳定。2.提出了一种基于声强估计的鲁棒声源位置特征提取方法。该方法以基本声强估计法为基础,包括叁个步骤。首先对每个时频点声强做相位变换加权处理以提高方法的抗混响性能;然后对各声强分量进行归一化处理以解决语音多样性带来的声强幅度差异导致的特征向量不匹配问题;最后充分利用由子阵列估计声强得到的冗余特征信息,提高算法的容错率,从而提高定位精度。仿真结果和实测实验结果均表明,本文提出的特征提取方法在混响噪声条件下定位精度更高,鲁棒性能较好,适用于小尺寸麦克风阵列的声源定位。3.提出了一种适用于小尺寸阵列的深度学习声源位置识别方法。该方法以声强信息作为特征,首先采用所有可能的声源位置特征数据对降噪自编码器网络模型进行无监督预训练,然后通过反向传播算法对网络参数进行有监督调优,最后将所需识别的声源位置特征向量输入训练好的网络进行声源定位。相比于已有的识别方法,降噪自编码器的抗干扰能力更强。仿真和实测实验结果均表明,本文提出的识别方法在混响噪声较大情况下识别率更高,在小尺寸麦克风阵列的声源定位方法中有一定优势。(本文来源于《南京航空航天大学》期刊2017-12-01）
梁雍,陈克安,张冰瑞[8]（2016）在《利用冲击声辨识声源材料的特征提取》一文中研究指出声源辨识属于环境声识别的范畴,是模式识别的一个重要研究方向。冲击声携带了大量的声源物理信息,因此利用冲击声提取特征进行声源材料辨识是提高声目标识别分类性能的重要途径。对球-板撞击物理模型合成的冲击声连续统,提出使用基函数学习法提取目标特征,同时利用短时傅里叶变换和小波包变换进行特征提取,以此为基础完成被击平板的材料识别。研究结果表明,利用基函数学习法获得的特征,对于冲击声分类的效果明显优于短时傅里叶变换和小波包变换方法,说明利用该方法进行冲击声声源材料辨识的可行性和优势。(本文来源于《声学学报》期刊2016年04期）
杨少波[9]（2014）在《内燃机排气噪声特性分析与声源阻抗提取》一文中研究指出安装排气消声器是降低发动机排气噪声的主要手段,排气系统在降低噪声同时,会对发动机性能产生一定影响,特别是结构复杂的消声器易导致排气背压升高从而降低发动机动力和效率。由于排气背压、流速等参数对发动机排气系统设计至关重要,本文首先针对某汽油机与排气系统耦合模型做了一维GT-Power仿真和GT-Power与Fluent耦合仿真,通过对比分析两种方法的计算结果,确定出使用叁维计算对于消声器结构设计很具有指导意义。在研究增压系统对发动机排气噪声的影响时,发现涡轮通过改变流场和声场来影响排气噪声特性。本文还针对速度特性和调速特性,总结分析了瞬态工况时排气噪声的基本变化规律。插入损失是评价消声器性能的重要指标,除使用实验方法测量外还可以在已知声源阻抗的情况下计算得到,而要获得声源阻抗,必须先采用准确的管口辐射模型计算反射系数,本文通过计算,选择了更加准确的Munt有流模型。由于实际的噪声测量误差会对计算结果有很大影响,本文研究了输入误差对传统四负载法计算的影响,接着从声阻抗幅角出发提出了本文的声源阻抗获取方法,通过对比各方法的计算结果表明本文方法能够保证求解的声阻为正,而且可以成功预测管口辐射声压级。在提取声阻抗时,选用的负载组合对计算结果会造成一定的影响,本文结合实验数据,从传统四负载法的负载组合入手,对多负载法求解声阻抗的原理进行了深度剖析,在此基础上分别采用叁负载组合、四负载组合甚至五负载组合进行计算,通过对比分析,发现了不同负载组合对声阻抗计算的影响规律,借助这一规律除了可以对已提取到的声阻抗进行优化,还可帮助以后试验中的负载选取。本文使用GT-Power软件自身集成的声源阻抗提取模块,研究了自然吸气与增压两种进气方式时的声阻抗变化,分析了软件提取与本文方法计算结果存在差异的原因;通过计算变转速和变负荷时的声阻抗,表明进气量对于声阻抗的计算会产生较大影响;最后针对叁种结构消声器,通过对比插入损失的仿真结果与使用声源阻抗预测的结果,对两种方法的优缺点进行了详细分析。(本文来源于《哈尔滨工程大学》期刊2014-12-20）
张冰瑞[10]（2014）在《基于冲击声的声源物理属性辨识及声线索提取》一文中研究指出声目标识别中，如何提取有效特征以提高识别率一直是研究的热点。长期以来，研究者主要使用两种方法提取特征，一种是基于信号处理和变换提取时域、频域及非线性特征，另一种通过模拟听觉系统的听音过程提取响度、音调和音色等听觉感知特征。这两类特征虽然可以从不同角度对声音给予描述，但并未建立与声源的直接联系，因此最终的识别对象只能是“声音”而非“声源”，从而影响了目标识别能力的提高。近年来，声源的听觉辨识问题受到研究者的关注，发展出一种新的特征提取方法，即提取与构成声源的材料、尺寸和形状等物理属性有关的信息，由此获得的特征具有更加明确的物理意义，对声源的描述和分类也更加深入细致，从而有助于提高声目标的自动识别能力。本文针对声源物理属性辨识问题，围绕声源、声信号及听觉感知叁者之间的联系，以合成冲击声和主观评价实验为手段，模拟了声源的受击振动与声辐射过程，给出了基于物理模型的时域冲击声合成方法，研究了听觉系统辨识声源材料和尺寸的性能，以及对声信息的整合特性，最终获得描述声源物理属性的恒定声线索。论文主要内容包括：（1）建立了球-板撞击的时域模型，提出一种将时域有限差分法（FDTD）和模态展开法（MEM）相结合的时域混合方法，求解板的振动方程，解决了混合方法中的模态截断和阻尼一致性问题，并对方法的高效性和有效性进行了仿真及实验验证。（2）以复杂结构受击振动响应的时域计算为目的，给出了结构模态阻尼的理论计算和实验测量方法，提出一种基于有限元（FEM）、模态展开（MEM）和边界元（BEM）的综合数值方法用于声音合成。实验结果表明，合成声与实际录音的时域包络、频谱结构以及衰减趋势基本一致，从而验证了该方法的有效性。（3）设计和完成了一系列主观评价实验，研究了听觉系统辨识声源物理属性的能力。首先研究了现场声、录音和合成声下的材料辨识结果；其次分析了尺寸和边界条件变化对材料辨识的影响；最后研究了合成声和录音下平板尺寸的辨识水平。（4）设计了冲击声连续统模型，通过在铝、玻璃和木材叁种材料之间进行插值的方法，产生了材料连续变化的冲击声序列。利用不相似性评价实验和多维尺度分析，获得了材料辨识的感知空间，并对感知空间维度进行了物理解释。分别从时域、频域和听觉感知角度提取出一系列声特征，给出了特征的信息精确度和感知权重的计算方法，从而分别从客观和主观两种角度量化了声特征描述材料变化的能力，并分析了信息精确度和感知权重在材料自动识别中所起的作用，最终获得声源材料感知中的声信息整合策略。（5）利用铝和木材的合成冲击声，研究了受击板的尺寸感知空间维度，获得了尺寸的力学参数表征。通过对比不同声特征的信息精确度和感知权重，给出了尺寸辨识的可靠声线索，并分析了听者的尺寸感知策略。（6）对复杂结构的材料辨识展开研究，通过对比平板、加筋平板和圆柱壳的特征精确度计算结果，给出了不受声源类型影响的辨识材料的恒定声线索。综合信息精确度和感知权重的计算结果表明：听觉感知中，听者善于利用与材料有关的恒定声线索来完成感知任务，而忽略那些容易受声源类型和其它声源物理属性影响的声信息。(本文来源于《西北工业大学》期刊2014-10-01）
声源提取论文开题报告
（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：
城市交通噪声污染越来越严重,已成为环境污染的热点。交通噪声源是运动声源,其声数据呈现出高维数、非线性,由一般声特征分析方法提取有效声特征复杂度高、数值计算量大,因此文中提出了先采用短时傅里叶变换(STFT)提取声特征,把提取结果作为流形学习局部线性嵌入算法(LLE)的输入向量来构建LLE的高维特征矩阵,得到STFT-LLE流形学习新的声特征提取方法,解决了高维特征矩阵构建的难题。通过对STFT-LLE方法的数字仿真试验,验证了STFT-LLE方法提取运动声特征的有效性。
（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。
声源提取论文参考文献
[1].宿元亮,刘志红,王万凯,赵玉贵,仪垂杰.流形学习在运动声源声特征提取方面的研究[J].应用声学.2019
[2].王万凯,刘志红,仪垂杰.运动声源声特征提取及试验研究[J].机械设计.2019
[3].郭耀.多声源场景下GCC峰值大小对提取TDOA量测的影响[J].科学技术创新.2019
[4].王泽明,程广利,孟路稳,罗夏云.用τ-p变换提取水中声源激发的海底Scholte波[J].声学技术.2019
[5].梁雍,陈克安.冲击声的稀疏特征提取及声源类型识别[J].声学学报.2018
[6].宋定艳.叁维音频中主声源—环境声提取算法的研究[D].武汉大学.2018
[7].李妍文.小尺寸麦克风阵列声源定位的特征提取与识别方法[D].南京航空航天大学.2017
[8].梁雍,陈克安,张冰瑞.利用冲击声辨识声源材料的特征提取[J].声学学报.2016
[9].杨少波.内燃机排气噪声特性分析与声源阻抗提取[D].哈尔滨工程大学.2014
[10].张冰瑞.基于冲击声的声源物理属性辨识及声线索提取[D].西北工业大学.2014