基于分形維數(shù)與TEO的語音端點(diǎn)檢測算法
格式:pdf
大?。?span id="ptppt31" class="single-tag-height" data-v-09d85783>340KB
頁數(shù):5P
人氣 :95
4.6
為了改善短時TEO能量的抗噪性和分形檢測自適應(yīng)性,提出了一種能適應(yīng)多種噪聲環(huán)境的端點(diǎn)檢測算法.該算法利用能表征能量分布的頻域上的分形維數(shù)和TEO的消除零均值噪聲、表征語音共振峰特性的特點(diǎn),在短時TEO能量法基礎(chǔ)上增加分形維數(shù)計(jì)算來進(jìn)行二次判決噪聲段和語音段.與傳統(tǒng)端點(diǎn)檢測算法相比,該算法容易易實(shí)現(xiàn)且準(zhǔn)確度高,實(shí)驗(yàn)表明,在不同的背景噪聲下,該算法相比單一端點(diǎn)檢測的算法魯棒性更好,彌補(bǔ)了單一算法抗噪性不好的缺點(diǎn),能適應(yīng)低信噪比下的多種噪聲環(huán)境.
基于Myriad預(yù)處理和分形盒維數(shù)的信號檢測方法
格式:pdf
大?。?span id="f9f7fzj" class="single-tag-height" data-v-09d85783>2.0MB
頁數(shù):7P
隨著信道環(huán)境的日益復(fù)雜化,實(shí)際應(yīng)用中遇到了很多非高斯噪聲信號,此類過程具有顯著的脈沖特性,其統(tǒng)計(jì)特性嚴(yán)重偏離高斯分布,傳統(tǒng)的通信信號檢測方法不再適用。為此,重點(diǎn)研究了在alpha穩(wěn)定分布噪聲背景下的通信信號檢測方法。首先,介紹了alpha穩(wěn)定分布的基本理論。其次,分析并驗(yàn)證了在alpha穩(wěn)定分布噪聲背景下,傳統(tǒng)信號檢測方法失效的原因。最后,提出了分形盒維數(shù)的概念,針對myriad濾波預(yù)處理后的信號,基于分形盒維數(shù)實(shí)現(xiàn)了通信信號的檢測,仿真結(jié)果表明,此方法在alpha穩(wěn)定分布噪聲背景下能夠有效地實(shí)現(xiàn)信號的檢測,具有良好的性能。
基于分形加權(quán)維數(shù)的PUE攻擊用戶檢測方法
格式:pdf
大?。?span id="lxzftxz" class="single-tag-height" data-v-09d85783>645KB
頁數(shù):4P
針對主用戶仿冒(pue)攻擊用戶非法占用主用戶信道而導(dǎo)致認(rèn)知用戶的可用頻譜資源降低的問題,以輻射源的指紋特征為基礎(chǔ),定義分形加權(quán)維數(shù),刻畫通信信號碼元包絡(luò)的脈內(nèi)起伏特征,提出了一種新的基于輻射源特征提取的pue攻擊檢測方法。理論分析和實(shí)驗(yàn)結(jié)果表明,提出的檢測方法能夠有效地區(qū)分主用戶和pue攻擊用戶,并在信息安全領(lǐng)域發(fā)揮重要作用。
空調(diào)系統(tǒng)送風(fēng)湍流分形維數(shù)的研究
格式:pdf
大?。?span id="xzvx37l" class="single-tag-height" data-v-09d85783>1.2MB
頁數(shù):2P
4.4
通過測量房間內(nèi)空調(diào)送風(fēng)的瞬時速度,得到各樣本點(diǎn)速度的時間信號。利用matlab計(jì)算了各樣本點(diǎn)速度時間信號的分形維數(shù)在1.60~1.73之間。通過對距離風(fēng)口不同高度處的樣本點(diǎn)速度時間信號分形維數(shù)分布的分析,得出同一高度樣本點(diǎn)的分形維數(shù)從中間位置向兩側(cè)逐漸降低,說明樣本速度的波動程度從中間向兩側(cè)逐漸趨減小。
空調(diào)系統(tǒng)送風(fēng)湍流分形維數(shù)的研究
格式:pdf
大小:1.9MB
頁數(shù):2P
4.3
通過測量房間內(nèi)空調(diào)送風(fēng)的瞬時速度,得到各樣本點(diǎn)速度的時間信號。利用matlab計(jì)算了各樣本點(diǎn)速度時間信號的分形維數(shù)在1.60-1.73之間。通過對距離風(fēng)口不同高度處的樣本點(diǎn)速度時間信號分形維數(shù)分布的分析,得出同一高度樣本點(diǎn)的分形維數(shù)從中間位置向兩側(cè)逐漸降低,說明樣本速度的波動程度從中間向兩側(cè)逐漸趨減小。
基于角度方差的多層次高維數(shù)據(jù)異常檢測算法
格式:pdf
大?。?span id="xptxvhj" class="single-tag-height" data-v-09d85783>346KB
頁數(shù):4P
4.4
異常檢測一直是數(shù)據(jù)挖掘領(lǐng)域的重要工作之一?;跉W氏距離的異常檢測算法在應(yīng)用于高維數(shù)據(jù)時存在檢測精度無法保證和運(yùn)行時間過長的問題。在基于角度方差的異常檢測算法基礎(chǔ)上,提出了一種多層次的高維數(shù)據(jù)異常檢測算法(hybridoutlierdetectionalgorithmbasedonanglevarianceforhigh-dimensionaldata,hoda)。算法結(jié)合了粗糙集理論,分析屬性之間的相互作用以排除影響較小的屬性;通過分析各維度上的數(shù)據(jù)分布,對數(shù)據(jù)進(jìn)行網(wǎng)格劃分,尋找可能存在異常點(diǎn)的網(wǎng)格;最后對可能存在異常點(diǎn)的網(wǎng)格計(jì)算角度方差異常因子,篩選異常數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明,與abod、fastvoa和經(jīng)典lof算法相比,hoda算法在保證精測精度的前提下,運(yùn)行時間顯著縮短,且可擴(kuò)展性強(qiáng)。
基于粒子群優(yōu)化算法的水果檢測算法
格式:pdf
大?。?span id="5lx1dbz" class="single-tag-height" data-v-09d85783>3.5MB
頁數(shù):5P
4.7
針對霍夫變換進(jìn)行圓檢測時計(jì)算量大、耗時長等問題,提出了一種基于改進(jìn)型粒子群的圓檢測算法。該算法先對拍攝圖像進(jìn)行邊緣檢測獲取邊緣圖像后,再從邊緣點(diǎn)中隨機(jī)選取1點(diǎn)作為初始粒子位置,通過設(shè)置最大算法迭代次數(shù)與閾值來克服粒子群算法陷入局部最優(yōu)問題。以每個粒子作為一個候選圓心,采用優(yōu)化策略,以粒子運(yùn)動、融合更新等操作完成圓的檢測。
基于某測量船的隱蔽通信檢測算法設(shè)計(jì)與軟件開發(fā)
格式:pdf
大小:3.3MB
頁數(shù):5P
4.3
進(jìn)入二十一世紀(jì)以來,我國海上探測能力進(jìn)一步增強(qiáng),測量船與指揮部,以及測量船相互之間的信息交流,相互合作也日益頻繁,為了保證所傳輸?shù)男畔⒉槐徊环ǚ肿永靡约皣獾拈g諜機(jī)構(gòu)所探知,因此采取合適的隱寫術(shù)對信息進(jìn)行加密顯得尤為重要。同時,在截獲了不法分子的情報之后進(jìn)行解密以便采取相應(yīng)的措施也是一項(xiàng)艱巨的任務(wù)。因此,本文采取了bitfield消息中的隱蔽通信檢測算法設(shè)計(jì)與軟件開發(fā)技術(shù)對信息進(jìn)行隱蔽以及檢測破譯。應(yīng)用本文中提出的方法,可以很好地區(qū)分針對矩陣編碼的bitfield消息隱蔽通信中的正常數(shù)據(jù)和含密數(shù)據(jù)。
基于某測量船的隱蔽通信檢測算法設(shè)計(jì)與軟件開發(fā)
格式:pdf
大小:2.5MB
頁數(shù):5P
4.5
進(jìn)入二十一世紀(jì)以來,我國海上探測能力進(jìn)一步增強(qiáng),測量船與指揮部,以及測量船相互之間的信息交流,相互合作也日益頻繁,為了保證所傳輸?shù)男畔⒉槐徊环ǚ肿永靡约皣獾拈g諜機(jī)構(gòu)所探知,因此采取合適的隱寫術(shù)對信息進(jìn)行加密顯得尤為重要.同時,在截獲了不法分子的情報之后進(jìn)行解密以便采取相應(yīng)的措施也是一項(xiàng)艱巨的任務(wù).因此,本文采取了bitfield消息中的隱蔽通信檢測算法設(shè)計(jì)與軟件開發(fā)技術(shù)對信息進(jìn)行隱蔽以及檢測破譯.應(yīng)用本文中提出的方法,可以很好地區(qū)分針對矩陣編碼的bitfield消息隱蔽通信中的正常數(shù)據(jù)和含密數(shù)據(jù).
Sandbox法求瀝青混合料空隙分形維數(shù)
格式:pdf
大?。?span id="vnlx9nd" class="single-tag-height" data-v-09d85783>215KB
頁數(shù):5P
4.6
將瀝青混合料橫向剖切面圖像用matlab軟件處理,分割出空隙的二值化圖像并計(jì)算空隙分維數(shù)。在求瀝青混合料空隙分維數(shù)時大多采用計(jì)盒維數(shù)法,然而此方法在網(wǎng)格劃分的過程中對圖像的尺寸有嚴(yán)格要求,并且背景區(qū)域?qū)r青混合料橫向剖切面圖像的計(jì)算結(jié)果有一定的影響。為此提出采用sandbox法求空隙分維數(shù),不用考慮網(wǎng)格劃分及背景區(qū)域?qū)Ψ志S數(shù)的影響,且能真實(shí)的表達(dá)出瀝青混合料橫向剖切面空隙分維數(shù)的實(shí)際意義。通過matlab編程運(yùn)算,用sandbox法求瀝青混合料橫向剖切面的空隙分維數(shù)為1.146,其結(jié)果符合多數(shù)文獻(xiàn)中給出的范圍,其求解過程更加簡單方便,值得研究和推廣運(yùn)用。
天然低滲巖芯分形維數(shù)變化原因分析
格式:pdf
大?。?span id="jb751jz" class="single-tag-height" data-v-09d85783>257KB
頁數(shù):4P
3
天然低滲巖芯分形維數(shù)變化原因分析——基于相似維數(shù)的概念提出用常規(guī)壓汞資料或圖像分析測定天然低滲巖芯分形維數(shù)的方法,并推導(dǎo)分形維數(shù)的計(jì)算公式。利用油田的天然巖芯壓汞資料數(shù)據(jù)繪制雙對數(shù)曲線,并求出多孔介質(zhì)分形維數(shù),分析導(dǎo)致巖芯具有單一分形或多重...
微波法膠囊濾棒檢測算法研究與裝置設(shè)計(jì)
格式:pdf
大?。?span id="xp73nrj" class="single-tag-height" data-v-09d85783>1.4MB
頁數(shù):7P
4.3
為提高膠囊濾棒的檢測效率和精度,基于微波諧振腔微擾法設(shè)計(jì)了一種膠囊濾棒質(zhì)量檢測裝置,主要由下料裝置、濾棒輸送裝置、微波檢測單元和分選裝置組成.通過建立波峰形位分析算法,對膠囊濾棒中膠囊的缺失、位置偏移和破損3種情況進(jìn)行快速檢測.結(jié)果表明,所設(shè)計(jì)的檢測裝置和波峰形位分析算法對于膠囊位置具有較高的檢測精度,對于膠囊的缺失和破損情況均有較好的識別效果.膠囊位置重復(fù)性檢測最大標(biāo)準(zhǔn)差為0.111mm,膠囊缺陷檢測準(zhǔn)確率達(dá)到100%;裝置檢測速度為120支/min,可滿足膠囊濾棒質(zhì)量檢測需求,保障了膠囊卷煙生產(chǎn)質(zhì)量.該裝置為膠囊濾棒質(zhì)量檢測提供了一種快速有效的方法.
混凝土剪切斷裂能與分形維數(shù)關(guān)系的研究
格式:pdf
大?。?span id="rr937l7" class="single-tag-height" data-v-09d85783>250KB
頁數(shù):7P
3
混凝土剪切斷裂能與分形維數(shù)關(guān)系的研究——混凝土斷裂試件斷口蘊(yùn)涵著豐富的力學(xué)信息,而傳統(tǒng)的歐幾里得幾何難以對復(fù)雜的斷口形貌進(jìn)行描述.本文引入分形幾何理論對斷口形貌進(jìn)行研究,結(jié)合宏觀的斷裂參量進(jìn)行數(shù)值分析,從而找到了混凝土斷裂微觀現(xiàn)象與宏觀力學(xué)量...
實(shí)時帶鋼表面質(zhì)量檢測算法研究與應(yīng)用
格式:pdf
大?。?span id="1tbvn7n" class="single-tag-height" data-v-09d85783>573KB
頁數(shù):4P
4.8
針對現(xiàn)有帶鋼表面質(zhì)量檢測技術(shù)在檢測精度、數(shù)據(jù)實(shí)時吞吐量等方面存在的問題,提出了一種基于紋理特征編碼的帶鋼表面缺陷檢測方法。首先,利用高斯濾波器的差分響應(yīng)模擬人類視覺的紋理感知模型,在原始圖像空間內(nèi)進(jìn)行缺陷可疑點(diǎn)檢測;然后對疑似缺陷位置進(jìn)行紋理特征的提取與編碼,在紋理特征編碼空間內(nèi)完成缺陷的精密定位。實(shí)驗(yàn)結(jié)果表明,該方法可以對帶鋼表面常見的氧化、孔洞、邊裂、麻點(diǎn)等十幾種不同類型缺陷進(jìn)行精確地檢測,降低了系統(tǒng)的誤檢率,同時提高了缺陷檢測的識別率和算法的計(jì)算效率。
基于嵌入式平臺的結(jié)構(gòu)光檢測算法的實(shí)現(xiàn)與優(yōu)化
格式:pdf
大?。?span id="9t7hfhl" class="single-tag-height" data-v-09d85783>1.3MB
頁數(shù):3P
4.6
以采煤工作面運(yùn)輸皮帶上的結(jié)構(gòu)光檢測算法為例,介紹基于海思hi3516a嵌入式平臺的視頻分析算法的實(shí)現(xiàn)與優(yōu)化方案.實(shí)驗(yàn)結(jié)果表明,基于pc實(shí)現(xiàn)的結(jié)構(gòu)光檢測算法移植到海思平臺上,經(jīng)過有針對性地優(yōu)化,檢測一幀高清視頻所需時間從1000多ms減少到少于500ms,提高了1倍多,為實(shí)現(xiàn)嵌入式平臺上利用結(jié)構(gòu)光中心線形變特征進(jìn)行物體特征識別提供了有力的前提條件.
基于嵌入式平臺的結(jié)構(gòu)光檢測算法的實(shí)現(xiàn)與優(yōu)化
格式:pdf
大?。?span id="vvvxzpx" class="single-tag-height" data-v-09d85783>382KB
頁數(shù):3P
4.3
以采煤工作面運(yùn)輸皮帶上的結(jié)構(gòu)光檢測算法為例,介紹基于海思hi3516a嵌入式平臺的視頻分析算法的實(shí)現(xiàn)與優(yōu)化方案。實(shí)驗(yàn)結(jié)果表明,基于pc實(shí)現(xiàn)的結(jié)構(gòu)光檢測算法移植到海思平臺上,經(jīng)過有針對性地優(yōu)化,檢測一幀高清視頻所需時間從1000多ms減少到少于500ms,提高了1倍多,為實(shí)現(xiàn)嵌入式平臺上利用結(jié)構(gòu)光中心線形變特征進(jìn)行物體特征識別提供了有力的前提條件。
一種穩(wěn)定的分形維數(shù)計(jì)算方法及其在孔結(jié)構(gòu)分析中的應(yīng)用
格式:pdf
大小:869KB
頁數(shù):5P
4.6
盒維法是最常用的圖像分形維數(shù)測定方法之一,具有計(jì)算強(qiáng)度低、計(jì)算效率高、結(jié)算結(jié)果合理等優(yōu)點(diǎn)。但是盒維法容易受噪聲、圖像尺寸、盒子初始尺寸等因素的影響。尤其當(dāng)圖像尺寸不能被盒子尺寸整除時,計(jì)算結(jié)果不穩(wěn)定,這將影響分形維數(shù)的計(jì)算以及孔結(jié)構(gòu)的準(zhǔn)確分析。本研究在討論盒維法穩(wěn)定性的基礎(chǔ)上,通過自適應(yīng)地選取一個閾值,并規(guī)定當(dāng)盒子中包含的目標(biāo)像素點(diǎn)大于該閾值時才計(jì)數(shù)盒子,有效地降低了噪聲、圖像尺寸等因素的影響,提高了盒維法的穩(wěn)定性。實(shí)驗(yàn)結(jié)果表明,與一般的盒維法相比,改進(jìn)方法更準(zhǔn)確可靠,該方法可用于多孔材料孔隙結(jié)構(gòu)的表征。結(jié)合面積分形和曲線分形的參數(shù)cl可以更好地表征孔結(jié)構(gòu)的不規(guī)則度。
基于分形維數(shù)的500kV/220kV電網(wǎng)結(jié)構(gòu)量化方法
格式:pdf
大?。?span id="jl1rnn1" class="single-tag-height" data-v-09d85783>721KB
頁數(shù):6P
4.5
現(xiàn)有的500kv/220kv分區(qū)規(guī)劃大多通過開斷個別線路進(jìn)行分區(qū),未對整體性網(wǎng)架結(jié)構(gòu)進(jìn)行量化研究。基于此背景,提出了一種通過求取地理接線圖的分形維數(shù)預(yù)測區(qū)域短路電流的方法。首先,結(jié)合電網(wǎng)的地理接線圖,利用matlab編寫的盒維數(shù)計(jì)算程序?qū)?shí)際電網(wǎng)結(jié)構(gòu)進(jìn)行了分形維數(shù)的量化研究;其次,通過對電網(wǎng)結(jié)構(gòu)分形維數(shù)與短路電流基本模型的研究,建立了電網(wǎng)結(jié)構(gòu)分形維數(shù)與短路電流的數(shù)學(xué)關(guān)系,達(dá)到了預(yù)測短路電流的目的。算例結(jié)果驗(yàn)證了該思路的可行性。
基于結(jié)構(gòu)特征的路面裂紋病害檢測算法
格式:pdf
大?。?span id="vfl3jj3" class="single-tag-height" data-v-09d85783>395KB
頁數(shù):5P
3
基于結(jié)構(gòu)特征的路面裂紋病害檢測算法——提出一種新穎的圖像分解算法,用于復(fù)雜背景下的路面病害圖像,可以獲得較為清晰的裂紋病害信息。通過對含有局部線性特征的裂紋圖像進(jìn)行形態(tài)分析,建立與結(jié)構(gòu)特征相匹配的基底,利用局部ridgelet函數(shù)作為稀疏表示的基底,...
基于AR雙譜與分形盒維數(shù)的減壓閥故障診斷
格式:pdf
大?。?span id="tnhrdfp" class="single-tag-height" data-v-09d85783>276KB
頁數(shù):4P
4.4
通過采集的減壓閥正常和故障下的振動信號,求出了時間序列的自回歸雙譜和分形盒維數(shù)。結(jié)果表明:不同狀態(tài)下的雙譜譜圖和盒維數(shù)有明顯的區(qū)別,利用ar雙譜和盒維數(shù)可以有效地診斷出減壓閥的工作狀態(tài)。
基于模糊神經(jīng)網(wǎng)絡(luò)的故障檢測算法
格式:pdf
大小:156KB
頁數(shù):5P
4.4
為了有效解決網(wǎng)絡(luò)系統(tǒng)可能出現(xiàn)的故障,結(jié)合模糊神經(jīng)網(wǎng)絡(luò)提出了一種新的故障檢測算法fdd-fnn(failuredetectionalgorithmbasedonfuzzyneuralnetwork).該算法根據(jù)特征信息熵建立了故障檢測評價方法和最小偏差的優(yōu)化模型,設(shè)計(jì)了模糊神經(jīng)網(wǎng)絡(luò)中輸入層、模糊化層、模糊規(guī)則層和解模糊層,并且給出了具體的算法流程.通過建立網(wǎng)絡(luò)仿真平臺,深入分析了影響fdd-fnn算法的關(guān)鍵因素,同時對比研究了fdd-fnn算法與其他算法的性能情況,結(jié)果表明fdd-fnn算法具有較好的適應(yīng)性.
取樣長度與間隔對花崗石磨削表面分形維數(shù)計(jì)算的影響
格式:pdf
大?。?span id="dpjlnzh" class="single-tag-height" data-v-09d85783>294KB
頁數(shù):4P
4.7
利用高斯濾波對花崗石磨削表面輪廓數(shù)據(jù)進(jìn)行處理,再用結(jié)構(gòu)函數(shù)分析法,對不同取樣長度及不同取樣間距時花崗石磨削表面輪廓的分形特性進(jìn)行了研究,分析了取樣長度及取樣間距對花崗石磨削表面輪廓分形參數(shù)計(jì)算結(jié)果穩(wěn)定性的影響,確定了花崗石磨削表面分形參數(shù)計(jì)算的合適尺度。
摻珍珠巖水泥石孔分形維數(shù)及其與孔結(jié)構(gòu)、強(qiáng)度的關(guān)系
格式:pdf
大?。?span id="fz9pzr3" class="single-tag-height" data-v-09d85783>672KB
頁數(shù):5P
4.7
通過壓汞法測試不同齡期摻0~40%珍珠巖摻合料水泥石的孔結(jié)構(gòu)參數(shù),利用分形理論的相關(guān)知識研究這些水化物的孔體積分形特征,計(jì)算它們的孔分形維數(shù)d=3.3~3.5,分析并探討該水泥石孔分形維數(shù)與孔結(jié)構(gòu)參數(shù)、抗壓強(qiáng)度之間的關(guān)系。結(jié)果表明水泥石孔分形維數(shù)與孔隙率、孔徑、孔表面積有密切的關(guān)系,隨著孔分形維數(shù)增大,孔隙率提高,孔徑擴(kuò)大、孔表面積增大,孔結(jié)構(gòu)就越劣化,對應(yīng)的材料抗壓強(qiáng)度下降。因此孔體積分形維數(shù)可用于綜合評定材料的孔結(jié)構(gòu)特性。
花崗石拋光表面分形維數(shù)與光澤度關(guān)系及分形物理意義研究
格式:pdf
大?。?span id="pvndj7t" class="single-tag-height" data-v-09d85783>1.1MB
頁數(shù):5P
4.3
對兩種典型的不同晶粒度的花崗石拋光表面的分形特性和光澤度特性進(jìn)行了研究。分析了花崗石拋光表面的分形維數(shù)與金剛石磨盤磨粒大小的關(guān)系,同時也對組成花崗石重要成分的分形特性作了分析;研究了花崗石拋光表面光澤度與分形維數(shù)的相互關(guān)系,并從花崗石表面拋光的機(jī)理揭示了花崗石拋光表面分形的物理意義。
文輯推薦
知識推薦
百科推薦
職位:建筑模型師
擅長專業(yè):土建 安裝 裝飾 市政 園林