隨著城市化進程加快,城市交通噪聲污染越來越突出,已成為亟待解決的社會問題。交通噪聲因聲信號時變性、疊加性和空時耦合性強,聲數(shù)據(jù)呈現(xiàn)高維、非線性等特點,使得關鍵聲特征提取困難,聲特征提取方法復雜度高、數(shù)值計算量大、有效性差。因此,如何有效提取聲特征并降低提取方法復雜度成為目前多源聲場聲源精準識別迫切解決的關鍵科學問題。由此,本文提出短時傅里葉變換(STFT)和局部線性嵌入算法(LLE)聯(lián)合的STFT-LLE流形學習聲特征提取方法,并將此方法應用于運動聲特征提取,且通過數(shù)值仿真和實驗測試對關鍵算法及核心方法進行了驗證。該論文選題源于國家自然科學基金面上項目(61671262、61871447)。論文主要研究工作如下:(1)在深入研究流形學習算法和亞音速運動聲特征的基礎上,提出了將局部線性嵌入算法(LLE)作為運動聲特征提取的核心流形學習算法,并詳細探討了影響流形結構特征的關鍵因素以及高維特征矩陣的構建方法。(2)提出了采用短時傅里葉變換(STFT)作為聲特征提取的第一步,提取結果作為LLE算法輸入向量來構建LLE算法的高維特征矩陣,解決該算法中高維特征矩陣構建難題。進一步融合STFT和LLE算法形成STFT-LLE流形學習方法,進行聲特征流形學習,并給出該方法的具體實現(xiàn)流程。(3)采用數(shù)值仿真對STFT-LLE流形學習方法的聲特征提取進行研究。以多種馬赫數(shù)小于1的勻速直線運動聲信號為對象,應用該方法進行運動聲特征提取,明確STFT-LLE方法在運動聲特征提取中的關鍵算法的可行性。(4)采用實驗測試對STFT-LLE流形學習方法及其運動聲特征提取有效性進行實驗分析和理論驗證。針對采集的轎車(凱越1.6LX-MT)和摩托車(美達威XB125T-11F)聲信號,通過4種聯(lián)合特征提取方法(PSR-PCA、PSR-LLE、STFT-PCA、STFT-LLE)進行聲特征提取并將各特征向量送入支持向量機(SVM)分類器。車輛識別實驗驗證了STFT-LLE流形學習方法的有效性。
【學位單位】：青島理工大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：U491.91
【部分圖文】：

地球表面

圖 2.2 流形學習示意圖Fig. 2.2 Schematic diagram of manifold learning數(shù)學定義，流形學習可描述為：基于流形假設，即觀測數(shù)空間中的流形上或者數(shù)據(jù)中存在一個潛在流形，那么流形

圖 2.4 測地線距離Fig. 2.4 Geodesic distance中兩個黑圈置于歐氏空間，則兩點（歐氏距離），可以看出，采用歐式圈在 Swiss Roll 這一流形上，其實
【參考文獻】

相關期刊論文 前10條

1 馬維金;張琳;張紀平;黃彬城;羅朝陽;;基于流形學習算法的齒輪變速箱故障特征提取[J];機械傳動;2015年08期

2 李志農(nóng);朱明;褚福磊;肖堯先;;基于經(jīng)驗小波變換的機械故障診斷方法研究[J];儀器儀表學報;2014年11期

3 張明真;郭敏;;基于流形學習和SVM的儲糧害蟲聲信號識別研究[J];云南大學學報(自然科學版);2014年02期

4 羅芳瓊;;LLE流形學習的若干問題分析[J];現(xiàn)代計算機(專業(yè)版);2012年08期

5 劉輝;楊俊安;王一;;基于流形學習的聲目標特征提取方法研究[J];物理學報;2011年07期

6 張熠卓;徐光華;梁霖;;基于非線性流形學習的喘振監(jiān)測技術研究[J];西安交通大學學報;2009年07期

7 管魯陽;鮑明;張鵬;李曉東;;基于流形學習的單類分類算法及其在不均衡聲目標識別中的應用[J];聲學學報(中文版);2009年01期

8 程道來;儀垂杰;郭健翔;姚紅宇;楊琳;鐘民主;;基于Wigner-Ville分布和Wavelet時間尺度的飛機非平穩(wěn)抖桿背景聲分析[J];機械工程學報;2007年05期

9 文貴華;包麗;丁月華;;局部線性嵌入算法中參數(shù)的選取[J];計算機應用研究;2007年02期

10 劉朝暉;付戰(zhàn)平;王明洲;;基于方位走向法和互譜法的水中目標識別[J];兵工學報;2006年05期

本文編號：2886459