您现在的位置: 首页> 研究主题> 声音信号

声音信号

声音信号的相关文献在1959年到2022年内共计1222篇,主要集中在无线电电子学、电信技术、自动化技术、计算机技术、电工技术 等领域,其中期刊论文540篇、会议论文29篇、专利文献224738篇;相关期刊373种,包括中国电子商情·通信市场、中国传媒科技、中国电化教育等; 相关会议28种,包括全国织造新产品开发学术研讨会暨2014织造年会、中华中医药学会中医诊断学分会第十五次中医诊断学术年会、2013年全国第九届精密工程学术研讨会等;声音信号的相关文献由2043位作者贡献,包括园部博崇、仲信彦、守谷健弘等。

声音信号—发文量

期刊论文>

论文:540 占比:0.24%

会议论文>

论文:29 占比:0.01%

专利文献>

论文:224738 占比:99.75%

总计:225307篇

声音信号—发文趋势图

声音信号

-研究学者

  • 园部博崇
  • 仲信彦
  • 守谷健弘
  • 杉浦亮介
  • 潘兴德
  • 罗震
  • 苏国韶
  • 菊入圭
  • 辻野孝辅
  • 镰本优
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 梁雄鹤; 陈珊; 魏豪; 张丽洁; 权伟
    • 摘要: 针对滚动轴承声音信号中周期性冲击故障特征难提取的问题,提出了基于最优IMF分量与KSVD字典学习相结合的轴承故障特征提取方法。首先,利用VMD分解原始信号获得一系列IMF分量;其次,利用SAF指标自适应选取最优IMF分量,并作为训练信号;最后,利用KSVD字典学习方法训练出字典库,通过正交匹配追踪算法(OMP)对原始信号处理得到稀疏信号,并对稀疏信号进行包络谱分析。仿真及实验结果表明,对比传统KSVD字典学习方法,该方法得到的稀疏信号信噪比(SNR)更高,能更准确地提取滚动轴承周期性冲击,增强了轴承故障特征。
    • 刘元; 苏盛; 刘正谊; 夏云峰; 刘贯科; 李彬
    • 摘要: 配电变压器位于开放的嘈杂环境中,环境噪声对基于声音的设备运行状态在线监测具有突出影响。如何识别和剔除含噪声干扰的录音片段,是推进基于声音的配电变压器状态在线监测亟待解决的瓶颈问题。分析指出配电设备正常和异常的运行声音与各种环境噪声在时域和频域上的差异性特征,提出基于时、频域自相似性的配电设备录音数据中含环境噪声片段的识别方法。对分钟级录音数据分帧后提炼每帧的时域和频域特征指标,通过聚类判断该录音片段是否具有自相似性,识别和剔除含环境噪声的录音数据。实验结果表明,所提方法能够有效识别和剔除含环境噪声的录音片段,从而得到环境噪声含量较低的录音数据,为后续开展基于声音信号的配电变压器状态监测提供有力支撑。
    • 任晨曦; 王黎明; 韩星程; 叶泽甫; 朱竹君
    • 摘要: 为了改善传统的单一识别网络难以充分考虑水下声音样本各方面特征的缺陷,本文利用联合一维卷积神经网络与长短期记忆网络2种网络串行的方式,构建一种新的网络框架,首次将联合网络运用到水声目标识别中。其次,用船舶音频数据作为数据集输入网络,对网络性能进行评价,进行识别结果的可视化分析。通过结果分析得出,该网络能够实现对水声目标的识别分类,与单一神经网络相比,联合网络的识别精度更高,正确率等相关指标均优于单一识别网络,为水声目标识别领域的深度学习发展提供了新的参考方向。
    • 摘要: 科学家在制造机器人时,为它安装了“耳朵”。这种“耳朵”的接收机制在收到声音信号后通过声音转化机制将声音信号转化为电信号,再通过信号翻译机制将电信号对应某种动作,这样,机器人就能听懂人话并做出反应了。
    • 郭和鑫
    • 摘要: 一、“腾讯会议”声音信号与演播厅联动的系统原理在大型融媒直播节目中笔者团队主要使用的是南京广电280平演播厅进行直播录制,280演播厅作为南京广电相对大型的演播厅具有相对较完整的演播级录制设备,演播厅内的具体音频系统就在本文中不过多的赘述。本文主要讲述的是“腾讯会议”的音频系统与280演播厅内的音频系统连通的原理,如图1所示。
    • 黄勇; 邓英媛
    • 摘要: 印刷机具有结构精密、集成度高等特点,传统依靠人工经验判断的方法难以对其故障做出准确判断,经常会因为零部件故障而导致印刷工作中断。基于听觉模型的印刷机故障诊断可以实现对印刷机运行工况的在线监测,不仅能及时发现异常工况,还能准确诊断故障类型。本文首先概述了滤波器的选型与听觉模型的设计要点,随后设计了基于听觉模型的印刷机墨辊故障诊断实验。结果表明,在声音信号采集与处理、听觉模型参数设置和特征值的提取的基础上,墨辊故障诊断结果的正确率达到了80%,并且故障分类识别精确,较好地满足了故障诊断需要。
    • 贺志军; 李军霞; 张伟; 樊文瑞; 李振华
    • 摘要: 针对目前带式输送机托辊故障诊断方法存在接触式测量、准确率低、井下大范围检测困难等问题,提出了一种基于MFCC特征和参数优化SVM的托辊故障诊断方法。利用变分模态分解(VMD)将采集到的托辊声音信号分解为若干本征模态分量(IMF),并基于包络熵和峭度组成的复合指标优选IMF分量;提取所选分量的梅尔倒频谱系数(MFCC)作为特征,利用灰狼优化算法(GWO)优化SVM参数;将样本特征向量输入GWO-SVM中进行故障分类。结果表明:对于正常托辊、托辊内圈故障、托辊外圈故障、托辊卡死4种工况,该方法故障识别平均准确率在95%以上。与单一指标相比,复合指标提取的IMF分量故障特性代表性更好;与其他优化算法相比,该方法的识别准确率更高,分类速度更快。
    • 唐铭阳; 吴亚锋; 周楠
    • 摘要: 针对无人机发动机开车实验,设计了一个四通道声音信号采集系统并对采集信号进行盲源分离。首先以相关系数为标准采集4路信号,其次选取其中3路信号利用EMD-NLPCA盲源分离算法进行欠定盲源分离,最后得到发动机螺桨噪声、排气噪声、试验间的风机噪声和其他背景噪声等4种信号,为进一步进行发动机故障定位和诊断提供了必要的数据基础。
    • 李娜; 曹丽明
    • 摘要: 准确识别轴承故障是提高双馈风力发电机运行稳定性的重要手段,声音信号包含大量设备运行状态信息。该文人为预制4种不同的轴承故障,并将故障轴承安装在风力发电机上,在4种转速下对不同故障轴承的运行声音信号进行采集;对采集到的声音信号进行EMD分解,依据相关系数法选取分解的模态分量。基于混沌理论采用相空间重构法将一维数据序列转换为二维序列,利用CNN对二维序列进行特征提取与故障诊断。结果表明该方法对不同转速下滚动轴承故障能够实时准确识别。
    • 王文婷; 刘金宁; 安树; 王勇
    • 摘要: 信号与系统课程由于理论枯燥抽象,学员常常对所学理论一知半解,而实验教学能很好地解决这一问题。传统实验主要基于实验箱和仿真软件,实验箱易老化,仿真软件编程复杂,这两种实验手段教学效果都不理想。利用NI myDAQ和LabVIEW开展信号与系统实验,也是一种很好的实验方式。利用上述软硬件开发出了趣味性的声音信号实验系统,能完成声音信号的基本运算、FFT分析、滤波以及采样定理验证、巴塞瓦尔定理验证等实验,将其应用于学员自主创新实验或课堂演示实验中,对丰富实验手段和改善课堂授课质量会有一定的帮助。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号