自己做免费的网站吗,借款网站模板,广州外贸营销型网站建设,鞍山贴吧音频分类研究的重点#xff0c;一方面在于音频特征的提取和选择#xff0c;通常来说数据集和特征集在分类系统中有着极为重要的作用#xff0c;离开了对数据集的处理、对特征集中特征的提取和选择#xff0c;分类结果必将产生巨大误差。对于提高音频分类系统的分类准确度和…音频分类研究的重点一方面在于音频特征的提取和选择通常来说数据集和特征集在分类系统中有着极为重要的作用离开了对数据集的处理、对特征集中特征的提取和选择分类结果必将产生巨大误差。对于提高音频分类系统的分类准确度和保证数据集的可用性来说对音频数据进行预处理、提取并选择出对分类准确率有益的特征是必要的但这部分的研究工作大多集中在数据挖掘领域在音频信号分类领域往往受到忽视。另一方面在于分类算法的改进和优化分类算法的运行效率和分类准确率等直接影响着分类系统的性能但提高分类准确率和减少计算时间是一对矛盾问题通过对目前已有分类算法的分析不难发现仍然存在着诸如分类准确率低、算法复杂度高等问题。
在音频分类研究中如何选择出对分类结果有益的和有害的特征量如何选择和优化分类算法对于提高音频分类系统的整体性能意义重大。综合来看目前已有的研究中仍存在以下问题1.用于分类的音频特征虽五花八门但没有统一有效的标准可依且用于分类的音频特征量有待增加2.大多数已有的研究中只是直接使用所提取的音频特征集进行分类实验忽略了对音频特征集的筛选问题且缺乏对相关特征选择算法的研究3.现存算法虽然在音频分类研究中取得了一定成就但仍存在缺点和不足不同分类算法对不同分类对象的分类准确率仍有待提高。
本文采用小波和滤波器组理论对音频信号进行处理运行环境为MATLAB R2018A主要内容如下
使用滤波器树结构建立听觉滤波器组 小波滤波器组 分解音频信号Decomposition of an audio signal into tonal, transient and residual layers 相位恢复和相位差分 使用具有不同时频分辨率的group lasso shrinkage进行音频分解 几个滤波器组 CQT, ERBLET and AUDLET filterbanks 滤波器组同步压缩变换和逆变换 用Gabor乘子近似缓慢时变系统 工学博士担任《Mechanical System and Signal Processing》审稿专家担任 《中国电机工程学报》优秀审稿专家《控制与决策》《系统工程与电子技术》《电力系统保护与控制》《宇航学报》等EI期刊审稿专家。
擅长领域现代信号处理机器学习深度学习数字孪生时间序列分析设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。
