您的位置： 专家智库 > >

刘思思

作品数：4 被引量：21H指数：2
供职机构：中南大学更多>>
相关领域：电气工程自动化与计算机技术电子电信更多>>

合作作者

文献类型

  • 2篇期刊文章
  • 2篇专利

领域

  • 2篇电气工程
  • 1篇电子电信
  • 1篇自动化与计算...

主题

  • 4篇电机
  • 4篇MFCC
  • 4篇车窗
  • 3篇异常噪声
  • 2篇数据库
  • 2篇历史数据
  • 2篇历史数据库
  • 2篇窗函数
  • 1篇电机噪声
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇谱减
  • 1篇谱减法
  • 1篇群算法
  • 1篇人工蜂群
  • 1篇人工蜂群算法
  • 1篇向量
  • 1篇向量机
  • 1篇卷积
  • 1篇蜂群算法

机构

  • 4篇中南大学

作者

  • 4篇谭建平
  • 4篇刘思思
  • 2篇李锋
  • 2篇黄涛
  • 2篇易子馗

传媒

  • 1篇微特电机
  • 1篇振动与冲击

年份

  • 1篇2019
  • 2篇2017
  • 1篇2016
共 4 条 记 录，以下是 1-4
全选 清除 导出
排序方式：
基于改进谱减法和MFCC的电机异常噪声识别方法被引量：7
2017年
为提高车窗电机异常噪声识别的准确性,提出一种以改进的谱减法为基础、以优化的梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)为特征值的电机异常噪声辨识方法。结合电机声音信号和工厂背景噪声信号特点,通过优化的谱减法进行消噪处理。针对频谱泄漏,用汉宁自卷积窗代替汉宁窗,获得优化的MFCC。实验结果表明,该方法能够有效判别电机是否存在异响,准确率达到91%。
易子馗谭建平刘思思
关键词：谱减法
一种基于MFCC和SVM的车窗电机异常噪声检测方法及装置
本文发明公开了一种基于MFCC和SVM的车窗电机异常噪声检测方法及装置，采集电机空载运转时声音信号并对信号进行预处理。预处理阶段采用二阶汉宁自卷积窗作为窗函数对声音信号进行截取。预处理后数据提取MFCC参数并输入SVM中...
谭建平刘思思李锋黄涛
文献传递
基于MFCC和SVM的车窗电机异常噪声辨识方法研究被引量：14
2017年
为提高车窗电机异常噪声特征提取的有效性及分类识别的准确性,提出一种以优化的梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)为特征值,以支持向量机(Support Vector Machine,SVM)为噪声辨识模型的电机异常噪声辨识方法。在MFCC提取方法基础上,针对频谱泄漏,用Hanning自卷积窗代替Hanning窗,获得优化的MFCC,并将其作为特征值输入到SVM进行异常噪声辨识。为提高SVM判别准确率,采用人工蜂群算法实现SVM参数选择优化。实验结果表明,该方法能够有效判别电机是否存在异响,准确率达到91%。
刘思思谭建平易子馗
关键词：支持向量机人工蜂群算法
一种基于MFCC和SVM的车窗电机异常噪声检测方法及装置
本文发明公开了一种基于MFCC和SVM的车窗电机异常噪声检测方法及装置，采集电机空载运转时声音信号并对信号进行预处理。预处理阶段采用二阶汉宁自卷积窗作为窗函数对声音信号进行截取。预处理后数据提取MFCC参数并输入SVM中...
谭建平刘思思李锋黄涛
全选 清除 导出
共1页<1>
聚类工具0