期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于谱图和约束NMF的滚动轴承特征频谱提取算法
1
作者 崔得龙 张清华 +1 位作者 肖明 王磊 《轴承》 北大核心 2014年第5期48-52,共5页
为了克服传统时频分析中信号特征频谱提取技术中参数敏感问题,设计了一种基于谱图和约束NMF的特征频谱提取算法。该算法首先对振动信号进行归一化预处理和短时Fourier分析,获得代表原始非平稳信号特性的瞬时参数即谱图;然后对谱图进行约... 为了克服传统时频分析中信号特征频谱提取技术中参数敏感问题,设计了一种基于谱图和约束NMF的特征频谱提取算法。该算法首先对振动信号进行归一化预处理和短时Fourier分析,获得代表原始非平稳信号特性的瞬时参数即谱图;然后对谱图进行约束NMF分解;最后由基矩阵获得原始振动信号的特征频谱。理论分析、仿真和工程试验验证了该算法的可行性和有效性。 展开更多
关键词 滚动轴承 故障诊断 谱图 特征频谱
下载PDF
基于DNN的低资源语音识别特征提取技术 被引量：25
2
作者 秦楚雄 张连海 《自动化学报》 EI CSCD 北大核心 2017年第7期1208-1219,共12页
针对低资源训练数据条件下深层神经网络(Deep neural network,DNN)特征声学建模性能急剧下降的问题,提出两种适合于低资源语音识别的深层神经网络特征提取方法.首先基于隐含层共享训练的网络结构,借助资源较为丰富的语料实现对深层瓶颈... 针对低资源训练数据条件下深层神经网络(Deep neural network,DNN)特征声学建模性能急剧下降的问题,提出两种适合于低资源语音识别的深层神经网络特征提取方法.首先基于隐含层共享训练的网络结构,借助资源较为丰富的语料实现对深层瓶颈神经网络的辅助训练,针对BN层位于共享层的特点,引入Dropout,Maxout,Rectified linear units等技术改善多流训练样本分布不规律导致的过拟合问题,同时缩小网络参数规模、降低训练耗时;其次为了改善深层神经网络特征提取方法,提出一种基于凸非负矩阵分解(Convex-non-negative matrix factorization,CNMF)算法的低维高层特征提取技术,通过对网络的权值矩阵分解得到基矩阵作为特征层的权值矩阵,然后从该层提取一种新的低维特征.基于Vystadial 2013的1小时低资源捷克语训练语料的实验表明,在26.7小时的英语语料辅助训练下,当使用Dropout和Rectified linear units时,识别率相对基线系统提升7.0%;当使用Dropout和Maxout时,识别率相对基线系统提升了12.6%,且网络参数数量相对其他系统降低了62.7%,训练时间降低了25%.而基于矩阵分解的低维特征在单语言训练和辅助训练的两种情况下都取得了优于瓶颈特征(Bottleneck features,BNF)的识别率,且在辅助训练的情况下优于深层神经网络隐马尔科夫识别系统,提升幅度从0.8%～3.4%不等. 展开更多
关键词 低资源语音识别 深层神经网络 瓶颈特征 凸非负矩阵分解
下载PDF
基于卷积非负矩阵部分联合分解的强噪声单声道语音分离 被引量：3
3
作者 董兴磊 胡英 +1 位作者 黄浩 吾守尔·斯拉木 《自动化学报》 EI CSCD 北大核心 2020年第6期1200-1209,共10页
非负矩阵部分联合分解(Nonnegative matrix partial co-factorization,NMPCF)将指定源频谱作为边信息参与混合信号频谱的联合分解,以帮助确定指定源的基向量进而提高信号分离性能.卷积非负矩阵分解(Convolutive nonnegative matrix fact... 非负矩阵部分联合分解(Nonnegative matrix partial co-factorization,NMPCF)将指定源频谱作为边信息参与混合信号频谱的联合分解,以帮助确定指定源的基向量进而提高信号分离性能.卷积非负矩阵分解(Convolutive nonnegative matrix factorization,CNMF)采用卷积基分解的方法进行矩阵分解,在单声道语音分离方面取得较好的效果.为了实现强噪声条件下的语音分离,本文结合以上两种算法的优势,提出一种基于卷积非负矩阵部分联合分解(Convolutive nonnegative partial matrix co-factorization,CNMPCF)的单声道语音分离算法.本算法首先通过基音检测算法得到混合信号的语音起始点,再据此确定混合信号中的纯噪声段,最后将混合信号频谱和噪声频谱进行卷积非负矩阵部分联合分解,得到语音基矩阵,进而得到分离的语音频谱和时域信号.实验中,混合语音信噪比(Signal noise ratio,SNR)选择以¡3 dB为间隔从0 dB至¡12 dB共5种SNR.实验结果表明,在不同噪声类型和噪声强度条件下,本文提出的CNMPCF方法相比于以上两种方法均有不同程度的提高. 展开更多
关键词 卷积非负矩阵分解 非负矩阵部分联合分解 语音分离 强噪声 单声道
下载PDF
基于最小体积约束的非负矩阵分解模型的高光谱解混算法探究 被引量：1
4
作者 余肖玲 黄光鑫 《成都大学学报（自然科学版）》 2014年第4期343-346,共4页
高光谱遥感图像中,遥感影像的分类精度和地物识别会因混合像元的存在而受到影响,从而限制了遥感科学向定量化发展.基于最小体积约束的非负矩阵分解方法,不仅不需要假定纯像元的存在,而且在自动提取端元的同时获取对应的丰度图,这种非监... 高光谱遥感图像中,遥感影像的分类精度和地物识别会因混合像元的存在而受到影响,从而限制了遥感科学向定量化发展.基于最小体积约束的非负矩阵分解方法,不仅不需要假定纯像元的存在,而且在自动提取端元的同时获取对应的丰度图,这种非监督的光谱解混技术克服了传统方法的限制条件,为高光谱图像中混合像元问题的解决提供了新的思路和方法. 展开更多
关键词 高光谱图像中混合像元分解 约束非负矩阵分解方法 MVC-NMF
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部