何会会
- 作品数：4 被引量：12H指数：2
- 供职机构：西北工业大学航海学院更多>>
- 相关领域：理学一般工业技术交通运输工程电子电信更多>>
- 最小方差无失真响应基础上的语音信号处理方法研究
- 本文讨论了在语音信号处理中广泛使用的线性预测（LP）模型,分析了线性预测模型在语音谱包络方面存在的缺点。在此基础上,提出了最小方差无失真响应（MVDR）谱方法,并将其应用到语音特征提取中,通过Toeplitz矩阵的Cho...
- 要庆生李钢虎曾渊赵亚楠何会会
- 关键词：最小方差无失真响应语音特征提取
- 文献传递
- 批处理核慢特征分析算法在水声信号盲分离中的应用
- 当慢特征分析算法应用于非线性盲源分离时，信号的非线性混合是靠多项式逼近的，当非线性畸变程度很强时，低阶多项式将无能为力，若增加多项式的阶数，扩展空间的维数将指数增加，会引起维数灾难的发生。本文采用核函数的方式来丰富特征空...
- 何会会李钢虎
- 关键词：盲源分离核函数批处理K均值聚类
- 基于提升小波变换的MFCC在目标识别中的应用被引量：8
- 2014年
- 水下环境噪声对被动声呐目标的分类识别影响显著,为了提高水声信号识别系统对环境噪声的鲁棒性,采用提升小波变换方法提取MFCC特征,对水下被动声呐目标进行分类和识别。仿真实验表明,与传统MFCC和小波变换的MFCC相比,在信噪比相近的情况下,提升小波变换方法提取MFCC具有识别率较高、对噪声鲁棒性较好的显著优点。
- 石超雄李钢虎何会会赵妮
- 关键词：提升小波变换MEL频率倒谱系数
- 用慢特征分析算法实现水声信号盲分离被引量：4
- 2014年
- 在常规的水声信号盲处理研究中,通常都是用独立成分分析算法分离线性混合信号,而对于较复杂的非线性混合信号,独立成分分析算法无能为力。针对这种情况,提出将慢特征分析(Slow Feature Analysis,SFA)算法应用于水声信号非线性盲源分离领域。一般而言,对源信号做非线性混合变换后输出混合信号较源信号变化较快,而采用SFA算法可以从复杂的非线性混合信号中提取出变化缓慢的信号,通过仿真实验,分别对简单信号和复杂水声信号的非线性混合信号进行分离,通过将源信号与分离信号对比,发现SFA算法输出信号与源信号高度相似,验证了SFA算法在非线性盲源分离领域应用的有效性和可行性。
- 何会会李钢虎要庆生贺晓凯石超雄
- 关键词：信号处理盲源分离
