毕超
- 作品数：4 被引量：9H指数：2
- 供职机构：上海大学通信与信息工程学院更多>>
- 发文基金：国家杰出青年科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于HHT的声频传感器车辆分类识别被引量：6
- 2016年
- 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。
- 毕超冯玉田李园辉刁志蕙
- 关键词：特征提取
- 基于稀疏表示的声频目标识别方法研究
- 2016年
- 提出分别利用短时傅里叶变换和小波变换进行特征提取和稀疏表示分类(SRC)的车辆识别方法。其中,短时傅里叶变换(STFT)和离散小波变换(DWT)分别从每个传感节点收集到的声音信息中提取车辆的特征向量,SRC通过特征训练集建立一个过完备字典来求解稀疏最优化问题,从而实现分类识别。实验结果表明,短时傅里叶变换提取特征并进行分类的效果高于用小波变换进行特征提取并分类的方法,也高于利用MFCC提取车辆声音特征并进行分类的方法。
- 刁志蕙冯玉田王瑞毕超李园辉
- 关键词：短时傅里叶变换离散小波变换
- 基于加权稀疏表示分类的车辆识别被引量：1
- 2018年
- 不同种类的车辆自动识别能够在很大程度上给人们提供便利,而通过声波来区分车辆的类型是可行的。由于声频信号和自然信号一样都具有稀疏性,稀疏表示分类（SRC）算法同样适用于车辆声频识别领域。但是SRC算法没有考虑样本的局部性,即没有考虑测试样本和每一个训练样本之间的相似性,从而导致识别效果不够优异。为了解决以上不足,提出了一种基于加权稀疏表示分类（WSRC）的声频传感器网络下车辆识别方法。通过对声频测试样本和各个声频训练样本之间的距离制定一个权重标准,并将其考虑进权重分配,以提高识别精度。实验结果表明,WSRC的识别精度相比于SRC有了明显的提高。同时,WSRC也明显优于SVM、k-NN这些常见分类算法,验证了WSRC在声频传感器网络下车辆识别的可行性。
- 罗涛冯玉田唐子成毕超
- 关键词：车辆识别
- 语音信号的分块稀疏表示分类研究被引量：2
- 2017年
- 传统稀疏表示分类算法(SRC)在处理复杂多维的向量的时候,需要对稀疏后的每个信号单独处理求残差,会导致处理时间过长,无法有效地运用于实际的工程应用中。为解决这一问题,提出将图像处理的分块稀疏应用于语音稀疏表示分类的方法。该方法在传统稀疏表示分类的基础上,引入分块稀疏思想,将语音信号按指定的长度处理,从而将若干个稀疏系数组成稀疏组来进行进一步分类识别。验证实验表明,源于图像处理的分块稀疏表示分类法同样适用于语音信号的处理。实验结果表明,在识别率接近的情况下,语音信号分类识别所花费的时间比图像处理明显降低。这是因为图像稀疏分类的系数之间相关性较强,因而分类的识别率较高;而语音信号是典型的非平稳过程,各种特征参数随时间快速变化,因而根据长度分类的相关性显著减少。因此,语音信号识别的准确率虽然会有所降低,但其效率显著提升。
- 毕超冯玉田李园辉王瑞
- 关键词：语音信号处理
