為提高車窗電機(jī)異常噪聲識(shí)別的準(zhǔn)確性,提出一種以改進(jìn)的譜減法為基礎(chǔ)、以優(yōu)化的梅爾頻率倒譜系數(shù)（Mel Frequency Cepstrum Coefficient,MFCC）為特征值的電機(jī)異常噪聲辨識(shí)方法。結(jié)合電機(jī)聲音信號(hào)和工廠背景噪聲信號(hào)特點(diǎn),通過優(yōu)化的譜減法進(jìn)行消噪處理。針對(duì)頻譜泄漏,用漢寧自卷積窗代替漢寧窗,獲得優(yōu)化的MFCC。實(shí)驗(yàn)結(jié)果表明,該方法能夠有效判別電機(jī)是否存在異響,準(zhǔn)確率達(dá)到91%。 

【文章來(lái)源】：微特電機(jī). 2017,45(02)北大核心

【文章頁(yè)數(shù)】：8 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]三種經(jīng)典單通道語(yǔ)音增強(qiáng)算法的比較[J]. 陳玉霞.  福建商業(yè)高等�？茖W(xué)校學(xué)報(bào). 2014(05)
[2]改進(jìn)的高斯混合模型在心音信號(hào)分類識(shí)別中應(yīng)用[J]. 張文英,郭興明,翁漸.  振動(dòng)與沖擊. 2014(06)
[3]基于信噪比評(píng)價(jià)的閾值優(yōu)選小波去噪法[J]. 鐘建軍,宋健,由長(zhǎng)喜,殷信橋.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(02)
[4]基于噪聲譜結(jié)構(gòu)特性的譜減法[J]. 鄭成詩(shī),胡笑滸,周翊,李曉東.  聲學(xué)學(xué)報(bào). 2010(02)
[5]Hanning自卷積窗及其在諧波分析中的應(yīng)用[J]. 溫和,滕召勝,卿柏元.  電工技術(shù)學(xué)報(bào). 2009(02)
[6]基于改進(jìn)MFCC的家禽發(fā)聲特征提取方法[J]. 李志忠,滕光輝.  農(nóng)業(yè)工程學(xué)報(bào). 2008(11)
[7]基于自適應(yīng)小波特征提取一體化神經(jīng)網(wǎng)絡(luò)的空調(diào)電機(jī)振動(dòng)噪聲識(shí)別[J]. 趙學(xué)智,葉邦彥,陳統(tǒng)堅(jiān).  振動(dòng)與沖擊. 2007(12)
[8]基于神經(jīng)網(wǎng)絡(luò)的電機(jī)噪聲性能在線檢測(cè)技術(shù)研究[J]. 蔣偉康,嚴(yán)莉.  振動(dòng)與沖擊. 2004(04)
[9]基于心理聲學(xué)分析的車內(nèi)異常噪聲辨識(shí)[J]. 張偉,蔣偉康.  汽車工程. 2003(06)
[10]一種基于改進(jìn)譜減法的語(yǔ)音增強(qiáng)方法[J]. 王讓定,柴佩琪.  模式識(shí)別與人工智能. 2003(02)

博士論文
[1]BP神經(jīng)網(wǎng)絡(luò)分類器優(yōu)化技術(shù)研究[D]. 高鵬毅.華中科技大學(xué) 2012
[2]基于改進(jìn)支持向量機(jī)和紋理圖像分析的旋轉(zhuǎn)機(jī)械故障診斷[D]. 劉路.天津大學(xué) 2011
[3]基于HHT復(fù)雜環(huán)境下低信噪比語(yǔ)音檢測(cè)及增強(qiáng)方法研究[D]. 劉柏森.哈爾濱工程大學(xué) 2011

碩士論文
[1]電動(dòng)剃須刀音頻質(zhì)量檢測(cè)方法的研究[D]. 滕藝丹.哈爾濱工業(yè)大學(xué) 2013
[2]雨刮電機(jī)在線檢測(cè)與故障診斷系統(tǒng)開發(fā)[D]. 楊開華.西南交通大學(xué) 2011
[3]基于MFCC和GMM的異常聲音識(shí)別算法研究[D]. 呂霄云.西南交通大學(xué) 2010
[4]支持向量機(jī)分類算法研究與應(yīng)用[D]. 彭璐.湖南大學(xué) 2007
[5]語(yǔ)音增強(qiáng)算法的研究與實(shí)現(xiàn)[D]. 金學(xué)驥.浙江大學(xué) 2005



本文編號(hào)：3442085