梁坤
- 作品数：2 被引量：1H指数：1
- 供职机构：浙江理工大学机械与自动控制学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 经验模态分解结合频谱质心的方法在油管入侵信号诊断中的应用被引量：1
- 2017年
- 在输油管道的安全防范系统应用背景下,针对传统方法诊断光纤采集到的入侵信号准确率不高的问题,提出一种基于经验模态分解(EMD)算法和频谱质心(SC)的入侵信号诊断方法。首先将采集到的原始入侵信号通过EMD进行分解,分离含噪最多的特征模态函数(IMF)分量,再组合剩余的IMF分量形成重构信号,对重构信号进行希尔伯特变换(HT)得到希尔伯特谱,计算它的SC,进一步识别入侵信号和干扰信号。通过对油管振动信号进行实验,本文方法对于每种入侵信号和干扰信号的诊断准确率均在90.00%以上,整体的诊断准确率达到97.17%。对于该组油管振动信号,同时运用奇异值分解(SVD)法进行诊断并将其结果与本文方法的诊断结果进行对比,整体上本文方法的诊断准确率比SVD法高出19.00%。仿真实验结果表明,本文方法能有效诊断入侵信号,并且诊断效果明显优于奇异值分解法。
- 梁坤熊卫华
- 关键词：安全防范系统信号重构
- 基于最小二乘支持向量机的含噪语音识别算法
- 2018年
- 针对目前含噪语音识别准确率的问题,提出了一种基于集总经验模态分解(EEMD)和最小二乘支持向量机(LSSVM)的语音识别算法。首先将语音信号经过EEMD分解为特征模态函数(IMF)分量,然后经过筛选IMF分量实现去噪,再从剩下的IMF分量中提取美尔倒谱系数(MFCC)作为特征参数,利用动态时间规整法规整MFCC的特征帧,最后将MFCC导入LS-SVM进行训练,从而识别各种语音信号。仿真实验结果表明,该方法能够快速有效地识别各种语音信号,与EEMD结合BP神经网络方法相比,识别准确率更高,抗干扰能力更强。
- 熊卫华梁坤
- 关键词：语音识别最小二乘支持向量机美尔倒谱系数频谱分析
