作者:赵凯,董明明,刘锋,王玉帅,孙晋伟,顾亮 单位:北京理工大学 出版:《北京理工大学学报》2018年第09期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFBJLG2018090070 DOC编号:DOCBJLG2018090079 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于多传感器的猪只行为辨识》PDF+DOC2018年第09期 李颀,王丹聪 《基于进化支持向量机的机载燃油泵故障诊断及实验研究》PDF+DOC2016年第05期 梁威,景博,焦晓璇,羌晓清,刘晓东 《基于声音信号的断路器故障诊断算法及系统设计》PDF+DOC2017年第03期 陈梦晓 《基于SVD特征降维和支持向量机的跌倒检测算法》PDF+DOC2017年第01期 白勇,孙晓雯,秦昉,孙子文 《基于传感器阵列的机械故障声源定位系统》PDF+DOC2019年第04期 李铁军,王宁,赵义鹏,刘今越 《基于AdaBoost多核支持向量机的跌倒检测研究》PDF+DOC2019年第03期 赵婉婉,任静,刘燕南,武东辉,余凯 《被动直升机声信号波达方向估计》PDF+DOC2005年第06期 刘闯,王洪洋,廖桂生 《基于压缩感知的新型声信号采集方法》PDF+DOC2012年第01期 余恺,李元实,王智,鲍明,蔡盛盛 《基于时频融合特征的3D空间手写识别》PDF+DOC2012年第18期 严军,陈晓丹,沈海斌 《基于混沌优化的仓储害虫检测与分类识别研究》PDF+DOC2015年第01期 党豪,孙福艳,李苗,吕宗旺,甄彤
  • 为了拓展地面识别方式及提升识别率,提出利用履带机器人行驶噪声进行地面类型识别.使用声压传感器采集履带机器人在行驶过程中与地面相互作用辐射的声音信号,对声音信号提取修正的梅尔频率倒谱系数(MFCC)及其一阶差分(ΔMFCC)使用优化后的支持向量机(SVM)进行分类,并测试了该方法在多种背景噪声环境下的效果.结果表明,行驶噪声包含能够表征地面特点的信息.相比于幅域、频域和时频域特征,修正的MFCC+ΔMFCC特征具有明显优势.在校园环境中分类准确率达到了89.5%,当信噪比高于20dB时,在多种背景噪声环境中分类准确率均达到80%左右。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。