作者:毕超,冯玉田,李园辉,刁志蕙 单位:中国电科技集团公司第三研究所 出版:《电声技术》2016年第06期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFDSJS2016060090 DOC编号:DOCDSJS2016060099 下载格式:PDF + Word/doc 文字可复制、可编辑
《复杂场景下声频传感器网络核稀疏表示车辆识别》PDF+DOC2015年第04期 王瑞,王康晏,冯玉田,张海燕,金彦亮,张有正 《基于EEMD样本熵和SRC的自确认气体传感器故障诊断方法》PDF+DOC2016年第05期 陈寅生,姜守达,刘晓东,杨京礼,王祁 《基于协同表示的声振传感器网络车辆分类识别》PDF+DOC2018年第01期 王瑞,刘宾,周天润,杨羽 《基于深度信念网络的高维传感器数据异常检测算法》PDF+DOC2019年第06期 金鹏,夏晓峰,乔焰,崔信红 《汽车安全检测线智能化控制系统》PDF+DOC1997年第04期 张伟,王聪,赵桂范,雷雨成 《PZT语音传感器及其信号特征研究》PDF+DOC2003年第27期 孙宏元,苏锡才 《稀疏分解在雷达一维距离像中的应用》PDF+DOC2013年第01期 郑纯丹,周代英 《无线传感器网络中一种新型加权Mel滤波器组》PDF+DOC2009年第06期 赵俊钰,魏建明,潘强,刘海涛 《地面车辆目标识别研究综述》PDF+DOC2014年第03期 李开明,张群,罗迎,梁必帅,杨小优 《基于稀疏表示的雷达辐射源信号级融合识别算法》PDF+DOC2014年第10期 马捷,黄高明,吉嘉,左炜,高俊
  • 针对传统语音信号识别过程中出现的识别率较低或者是计算时间复杂度高的问题,提出了基于希尔伯特黄变换(HHT)的快速声频传感器车辆识别方法。该方法将HHT算法和语音信号特征提取中常用的梅尔倒谱系数(MFCC)相结合,形成一种新的特征提取方法。实验中,将这种方法分别与K-近邻算法(K-NN)、支持向量机算法(SVM)和稀疏表示分类算法(SRC)配合进行语音信号识别,结果表明,该特征提取方法与K-NN分类算法配合,在识别率和算法运行效率方面具有明显的优势。

    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。