谱熵

摘要： 针对低信噪比环境下突发信号检测性能较差的问题,本文提出了一种排序差分最大值自适应门限估计的谱熵检测算法(SDMSE)。通过在检测方法中对检验统计量引入滤波机制,并设计SDM自适应门限估计方法改进谱熵判决,实现了在低信噪比甚至负信噪比下的信号发现,并能够实现对突发信号起止时刻的准确估计。实验证明,本文所提的SDMSE算法在大于-6dB信噪比下具有较好的信号检测性能,对信号起止时刻估计相对误差低于8‰。

摘要： 针对传统方法在低信噪比条件下的检测结果无法较好地满足需要,提出了将语音信号小波包BARK子带方差和谱熵二者相结合的新端点检测方法.首先对带噪语音采用多窗谱估计谱减法降噪,然后利用小波包分解构成BARK子带,求出每帧信号的BARK子带方差均值和谱熵值,最后用方差值除以谱熵值,将二者的比值作为双门限检测法的参数进行端点检测.实验证明,在低信噪比条件下,该方法相比于传统方法的检测效果更佳.

摘要： 针对目前非侵入式负荷辨识存在模型训练时间过长以及负荷特征相近的电器辨识精度不高的问题,提出了一种基于CF-MF-SE联合特征的非侵入式负荷辨识方法.以稳态电流信号为基础,通过提取峰值因数表征波形的畸变程度,采用裕度因子表征信号的平稳程度,谱熵表征频谱结构复杂程度,并结合PSO-SVM实现负荷辨识.结果表明,新方法可解决电器电流波形相近不易识别的难题,减少训练时间,有效提高识别准确率和效率.所提方法将振动信号特征作为负荷特征引入负荷辨识领域,为非侵入式负荷辨识技术的特征选取提供了新思路,其中谱熵作为对负荷敏感的关键特征,与其他特征组合可明显提高辨识率,为实际应用中负荷特征的灵活选择提供了参考.

摘要： 针对通信设备语音通话控制的需求,通过综合分析语音端点检测主要方法及性能,提出一种基于谱熵语音端点检测算法.介绍语音端点检测算法,进行语音信号谱熵计算,通过建立背景噪声模型的方式动态调整谱熵值判别门限,实现语音端点检测功能.仿真结果表明:该算法不仅在低信噪比条件下具备较好的检测性能,而且在复杂背景噪声环境下具备良好的适应能力.

摘要： 为了能在早期发现禽流感并进行预防,该文提出了一种基于音频特征和模糊神经网络的禽流感病鸡检测方法.依据获取的家禽音频和环境及其他噪声的谱熵差别大的特点,在复杂环境中分析并提取出鸡声,丢弃非鸡声段,对提取的鸡声进行分析及处理,计算短时过零率、短时能量以及短时过零率与短时能量混合特征,用作判别患禽流感的病鸡和健康鸡的依据.利用T-S模糊神经网络,对提取出来的家禽音频特征进行训练和识别,试验表明隶属度函数为钟形函数、隶属度个数为2时模糊神经网络对试验提取的3个鸡声特征组成的3组测试集的敏感性分别为75.47％、80.39％和76.92％,特异性分别为80.85％、79.59％和72.92％,正确识别率分别为78％、80％和75％.该研究为规模化家禽养殖场及大型家禽流通市场的禽流感病禽识别提供一套快速、高效检测方法.

摘要： 为智能化地识别警戒作业人员出现的低觉醒、注意力下降的生理状态,本文介绍了一种基于FPGA和脑电信号处理的低觉醒状态检测与唤醒系统,系统通过传感器从大脑头皮采集脑电信号,转换为数字信号,经傅里叶变换获取了脑电信号的θ相对能量、α相对能量、重心频率、谱熵等4个特征量,由4个特征量表征低觉醒状态并运用支持向量机对低警戒状态进行识别,当识别出低觉醒状态时采用声音报警模块发出声音,唤醒警戒作业人员.设计系统能够较好地识别出低觉醒状态,识别率达90.8％,可为提高警戒作业工作绩效提供一种可穿戴的智能装备.

摘要： 基于电话的自动语音应答系统或说话人识别系统需要将实际的说话人语音与其他的非语音信息区分开.区分电话语音和非语音是一个有挑战性的问题.本文提出计算声音信号帧间谱熵的相似度,由此区分电话语音和非语音的方法.在对41个电话非语音信号段和包含11个说话人的914个语音信号段(段长200-700ms)的检测中,本文得到几乎100％的正确识别率.方法简单,效果好,这是本文提出方法的优点.

摘要： 本文提出了基于时频增强和谱熵的语音端点检测算法.在低信噪比的情况下,首先对带噪语音在频域中利用谱减法去除宽带加性噪声,然后在时域中利用短时过零率和短时能量组合而成的加权函数去除谱减法后产生的残差噪声,最后利用谱熵特征进行端点检测.实验结果表明,此算法快速有效,具有较强的抗噪能力,特别适合低信噪比的语音端点检测.

摘要： 为解决传统算法对噪声适应性较差,残留音乐噪声较强的问题,本文提出了一种基于自适应噪声估计的宽带语音增强算法。该算法可应用于宽带语音编码器,以提升在噪声环境下的编码质量。本文所提算法利用谱熵对噪声类型进行有效地判别,将背景噪声分为白噪声和有色噪声两类,并根据噪声特性选择适当的噪声估计方法。在白噪声背景下,选择一种谱平滑的方法；在有色噪声背景下,则选择经典的最小值控制递归平均算法。在此基础上结合经典的统计模型方法,构建一种具有较强噪声鲁棒性的宽带语音增强算法。在ITU-T G.160标准下对算法进行性能测试,测试结果表明,在不同强度的背景噪声环境下,增强语音的信噪比提高都较为明显。同时,在低信噪比情况下,该算法有效地抑制了严重影响听觉质量的音乐噪声现象。

摘要： 提出了基于谱熵和能量与谱减法相结合的带噪语音端点检测算法.依据语音信号的频域特性,对其能量谱进行分析,运用谱减法去除宽带加性噪声,从而对语音进行了增强,并对增强后的语音信号利用谱熵和能量相结合的方法进行端点检测.实验结果表明,该算法在信噪比较低的情况下仍能准确检测出语音信号的端点.

摘要： 语音端点检测是语音分析、语音合成和语音识别中的一个重要环节。文章提出了用幅度熵、谱熵及帧能量作为语音特征参数,选择RBF神经网络作为特征分类系统,进行语音信号端点检测的方法。采用4秒到7秒不等的170句语音作为测试数据进行语音端点检测,实验结果表明使用RBF神经网络的检测结果优于单独使用信息熵或信息熵加BP,神经网络的结果。

摘要： 本发明公开了一种基于功率谱密度和互相关熵谱密度融合的特征提取方法，首次将互相关熵谱密度运用于脑电信号处理提取频域特征，并将互相关熵谱密度与功率谱密度融合得到一种新的特征，与传统的功率谱密度和互相关熵谱密度相比，融合后的特征提取方法不仅能很好地提取信号中的频率信息，还能抑制噪声的影响。本发明相比于功率谱密度和互相关熵谱密度分别更适用于信噪比高和信噪比低的信号，新的特征不仅适用于以上两种场景，还为脑电信号的低信噪比及包含环境中未知特性的各种干扰信号提供一种性能良好的频域特征提取方法。因此基于功率谱密度和互相关熵谱密度融合的特征提取方法在实际脑机接口运用中更加易于推广和使用。

摘要： 一种基于循环相关熵谱谱峰位置的调制方式识别方法，属于循环平稳信号处理领域，主要包括：通过公式计算无线电信号的循环相关熵，它是相关熵的傅里叶级数的系数；通过公式计算无线电信号的循环相关熵谱，它是循环相关熵的傅里叶变换；选取若干循环相关熵谱谱峰位置，并生成循环相关熵谱谱峰位置的俯视图；采用卷积神经网络对循环相关熵谱谱峰位置的俯视图进行分类，实现调制方式的识别。实验证明本发明的算法性能良好，能够在脉冲噪声存在的条件下对无线电信号进行调制方式识别。

摘要： 本发明公开了一种基于功率谱密度和互相关熵谱密度融合的特征提取方法，首次将互相关熵谱密度运用于脑电信号处理提取频域特征，并将互相关熵谱密度与功率谱密度融合得到一种新的特征，与传统的功率谱密度和互相关熵谱密度相比，融合后的特征提取方法不仅能很好地提取信号中的频率信息，还能抑制噪声的影响。本发明相比于功率谱密度和互相关熵谱密度分别更适用于信噪比高和信噪比低的信号，新的特征不仅适用于以上两种场景，还为脑电信号的低信噪比及包含环境中未知特性的各种干扰信号提供一种性能良好的频域特征提取方法。因此基于功率谱密度和互相关熵谱密度融合的特征提取方法在实际脑机接口运用中更加易于推广和使用。

摘要： 本发明公开了一种基于瞬时频率和功率谱熵融合特征的脑电信号分析方法，包括以下步骤：(1)提取慢波睡眠期的正常脑电信号和早期帕金森病的脑电信号，分别计算其瞬时频率和功率谱熵，从而构成一个二维的时序特征；(2)将二维时序特征作为LSTM神经网络的输入并进行训练学习；(4)利用训练学习号的神经网络对待评估脑电信号进行分析。该方法效果良好，能区分帕金森病病人与正常人的脑电信号。

摘要： 本发明公开了一种基于多时间尺度传递谱熵的功能性皮质肌肉耦合分析方法。首先，在实验过程中采集受试者的脑电信号和上肢相关肌肉的肌电信号。然后对脑电信号和肌电信号去除伪影，去噪，滤波处理。计算处理后的脑电信号和肌电信号之间的多时间尺度传递谱熵以及尺度为s时，特定频段内的显著性面积值。然后分析双侧运动区的脑电信号与指浅屈肌的肌电信号之间的功能性皮质肌肉耦合。本发明的多时间尺度传递谱熵不仅抑制了虚假耦合，而且还描述了局部频段内的信息传递。此外，多时间尺度传递谱熵为研究功能性皮质肌肉耦合的多尺度特性提供了新的视角，而且可以更好的分析功能性皮质肌肉耦合的耦合强度、信息流、局部频带等特性。

摘要： 一种基于谱减与自适应子带对数能熵积的语音检测方法，对带噪语音信号首先进行预处理，仅保留频率在100Hz～3500Hz范围内的部分；使用自适应参数的多窗谱估计谱减法对预处理后带噪语音信号进行降噪处理，得到增强语音信号；进一步得到子带能量、归一化最小带能量参数，从而计算出对应信号帧的有效子带个数；得到自适应子带对数能量和自适应子带谱熵；设定动态阈值门限，使用单参数动态阈值的双门限检测方法进行语音检测；输出检测完成的各个语音片段。解决了现有技术在低信噪比环境下语音检测准确率低、鲁棒性差的问题，能够满足实时语音检测需求，针对不同类型噪声环境，保证语音检测工作的稳定性。

摘要： 本发明属于机电故障分类技术领域，公开了一种基于小波包能量谱熵的机电故障分类方法，包括步骤1：机械信号熵的特征提取；步骤2：小波包能量谱熵的特征提取；步骤2.1：根据声纹信号的特点选取合适的小波包基函数对信号进行小波包分解；步骤2.2：对小波包系数进行重构，并求出每个频带分量所含能量占信号总能量的比重；步骤2.3：计算出各频带的能量谱熵。本发明以信号的小波包能量谱熵的提取原理为核心，通过对不同故障信号对应的故障信息进行特征提取，结合支持向量机技术实现对不同故障特征的学习训练，实现对机电系统具体故障的分类识别。该方法对不同的故障声纹信号的分类识别的准确率较高，可实现对非同源声纹信号的检测与分类。

摘要： 本发明属于铣削加工领域，并具体公开了一种基于功率谱熵差的机器人铣削加工颤振类型辨识方法，其包括步骤：在机器人铣削加工过程中，采集机器人末端的原始振动信号；确定最优模态分解个数，根据最优模态分解个数将原始振动信号分解为多个子信号；将中心频率靠近刀具‑主轴系统固有频率的子信号，记为信号B1，其余低于固有频率的子信号记为A1；滤除掉信号A1、B1中的主轴转频和倍频成分，得到信号A2、B2；分别计算各信号的功率谱熵，进而得到功率谱熵差；确定功率谱熵差的最优分类阈值，进行颤振类型辨识。本发明综合考虑刀具‑主轴结构柔性引起的再生颤振和机器人结构刚度不足导致的模态耦合颤振，实现机器人铣削加工颤振类型辨识。

摘要： 本发明公开了一种基于图谱功率谱熵的GIS设备状态辨识方法及装置，包括振动信号感知采集模块、数据处理模块、特征提取模块、设备状态确定模块和供电模块。本发明结构设计合理，克服了常规检测方法难以获得GIS设备运行状态丰富信息的不足，能够有效提取表征GIS设备不同工况下的特征参量；该方法基于成熟度高的图谱理论将原始时域振动信号转换为图信号，并提取得到能够有效表征GIS设备工况的图谱功率谱熵作为特征参量，最终借助兰氏距离判别器实现GIS设备状态的有效辨识，此外，该装置在采集得到包含GIS设备丰富状态特征信息的基础上，为GIS设备在不同工况下的状态辨识与故障诊断提供了可靠地硬件支撑。

摘要： 本发明提供一种基于传感器信号小波能谱熵值计算的板卡故障诊断方法，涉及电子控制器故障诊断技术领域。该方法包括：从燃气轮机控制器系统中，获取原始传感器过程信号，进行数据处理，形成原始数据集；将原始数据集输入到传感器小波能谱熵计算模型中，获得传感器小波能谱熵值；选取与IO板卡相关联的所有传感器的小波能谱熵数值，输入到IO板卡小波能谱熵计算模型中，获得IO板卡的小波能谱熵值；计算IO板卡的小波能谱熵值与预设正常范围边界的差值，判断IO板卡是否发生故障。该方法以工程化方式快速对IO板卡进行故障状态诊断，为及时识别IO板卡故障提供了一种可工程应用的手段，为燃气轮机控制系统回路故障诊断提供重要支撑。