学位论文 > 优秀研究生学位论文题录展示
基于核主成分分析和支持向量机的飞机舱音信号的识别
作 者: 刘素京
导 师: 王从庆
学 校: 南京航空航天大学
专 业: 模式识别与智能系统
关键词: 舱音记录器 独立分量分析 Mel倒谱分析 主成分分析 核方法 神经网络 支持向量机
分类号: TP391.41
类 型: 硕士论文
年 份: 2009年
下 载: 77次
引 用: 1次
阅 读: 论文下载
内容摘要
随着社会进步和民航业的迅猛发展,政府、航空公司和公众对航空安全的要求越来越高。飞机上用来记录各类声音数据的设备——驾驶舱话音记录器(Cockpit Voice Recorder,CVR),无疑成为保障航空安全的关键所在。CVR是必不可少的机载设备,它通过4个独立声道记录着驾驶舱内最近2小时或30分钟的各种声音,包括机组内话、陆空通话、音响警告等。这些声音记录不仅能够用来判断机组的操纵、意识、决断、生理心理状态,还可以分析航空器状态及所处环境,为事故调查提供了又一丰富而准确的依据。针对CVR中记录的声信息多而复杂、频率范围宽、信号非平稳等特点,本文结合小波变换及神经网络的方法,从CVR的背景声中分离出有用的信号,并对分离后的信号进行分类,有效地实现了CVR背景声的识别,对确定航空事故原因及保障未来飞行安全,都具有重要的实用价值。首先,在中国民用航空总局航空安全技术中心建立的“飞机舱音信息样本库”基础上,应用小波降噪原理对CVR的信号进行降噪处理,结合独立分量分析的快速固定点算法对混合信号进行分离,得到分离后的开关、旋钮、警报等独立声音样本。其次,选择分离后的独立样本,进行信号处理,经过预处理之后,提取他们的短时能量、短时平均幅度、幅值谱及Mel倒谱参数等特征作为样本的特征参数用于分类识别。随后本文深入研究了核方法在特征提取方面的应用,对CVR样本的数据空间进行了压缩,并将核主成分分析与神经网络相结合,分析了核主成分分析与RBF神经网络相结合的分类识别能力,并在此基础上采用改进的RBF神经网络算法。最后本文进一步分析了基于核函数的SVM多类分类方法,结合核主成分分析将该算法用在CVR背景声的分类识别上,取得了较为理想的分类效果。本文的研究对于有效判断CVR背景声中所蕴含的内容,确定飞机事故原因都将具有重要的意义。
|
全文目录
摘要 4-5 ABSTRACT 5-14 第一章 绪论 14-21 1.1 概述 14-15 1.2 舱音记录器的发展概述 15-16 1.3 舱音记录器非话语的信号处理 16-18 1.3.1 舱音记录器声信息的分类及特点 16-17 1.3.2 舱音记录器的研究现状 17-18 1.4 声信息识别的一般过程 18-19 1.5 论文的主要研究内容 19-21 第二章 基于独立分量分析的CVR 背景声分离 21-36 2.1 引言 21 2.2 CVR 声音信息的小波降噪 21-29 2.2.1 小波变换理论与分析 21-22 2.2.2 连续小波变换 22-24 2.2.3 离散小波变换 24 2.2.4 声音信号的小波降噪 24-26 2.2.5 CVR 声音信息的降噪结果 26-29 2.3 独立分量分析原理 29-31 2.3.1 独立分量分析 29-30 2.3.2 信号的非高斯性测度 30 2.3.3 对照函数 30-31 2.4 CVR 混合信号分离 31-35 2.4.1 信号的预处理 31-32 2.4.2 快速ICA 算法 32-34 2.4.3 仿真实验结果 34-35 2.5 本章小结 35-36 第三章 CVR 背景声信号的特征分析 36-48 3.1 引言 36 3.2 背景声的预处理 36-41 3.2.1 去噪处理 36 3.2.2 分帧加窗 36-38 3.2.3 端点检测 38-41 3.3 背景声的时域分析 41-43 3.3.1 短时能量分析 41-42 3.3.2 短时平均幅度分析 42 3.3.3 短时过零率分析 42-43 3.4 背景声的频域分析 43-45 3.4.1 幅值谱 43-44 3.4.2 功率谱 44 3.4.3 对数谱 44 3.4.4 CVR 信号时频特征分析 44-45 3.5 背景声的倒谱分析 45-47 3.5.1 倒谱分析 45-46 3.5.2 MFCC 分析 46-47 3.5.3 MFCC 的求取过程 47 3.6 本章小结 47-48 第四章 基于核主成分分析方法的CVR 背景声特征提取 48-60 4.1 引言 48 4.2 核方法的理论基础 48-51 4.2.1 核的定义 48-49 4.2.2 再生核理论及Mercer 定理 49-50 4.2.3 常用核函数及其构造 50-51 4.3 CVR 背景声的特征提取 51-59 4.3.1 主成分分析 51-54 4.3.2 核主成分分析 54-55 4.3.3 PCA 与 KPCA 的比较 55-59 4.4 本章小结 59-60 第五章 基于神经网络的CVR 背景声识别 60-76 5.1 引言 60 5.2 RBF 神经网络 60-63 5.2.1 RBF 神经网络的拓扑结构 60-61 5.2.2 RBF 神经网络的映射机理 61-62 5.2.3 RBF 神经网络的改进算法 62-63 5.3 SVM 分类器设计 63-71 5.3.1 线性支持向量机 64-66 5.3.2 基于核的支持向量机算法分析 66-67 5.3.3 用于多类问题的SVM 算法分析 67-71 5.4 CVR 背景声识别的实验分析 71-75 5.4.1 基于RBF 神经网络的CVR 背景声识别 71-73 5.4.2 基于SVM 多类分类算法的CVR 背景声识别 73 5.4.3 分类算法比较 73-75 5.5 本章小结 75-76 第六章 总结与展望 76-78 6.1 工作总结 76 6.2 今后展望 76-78 参考文献 78-83 致谢 83-84 在学期间的研究成果及发表的学术论文 84
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 红外超光谱图像的虚拟探测器研究,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
- 基于神经网络的水厂投药预测控制研究,TP273.1
- 视觉伺服四自由度机械臂的研究,TP242.6
- 机械臂视觉伺服系统的研究,TP242.6
- 压电驱动微工作台的控制与校正技术研究,TP273
- 基于支持向量机的故障诊断方法研究,TP18
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|