發(fā)布時間：2020-12-15 05:08

　　由于聲音信號容易受到環(huán)境噪聲的影響,因此有效的降噪方法和異常特征提取方法在異音檢測中至關(guān)重要。行車噪聲因行車環(huán)境、車重、車速的改變,存在較大的差異,無法對行車噪聲進行有效的建模,針對運行列車噪聲進行實時估計更新的算法有待進一步研究�，F(xiàn)階段,列車異音檢測主要對單一異常類型進行分析,采用的異常特征提取方法只適用于特定異常類型,針對多種異常行車類型的有效識別有待進一步研究�；�于此,本文的主要研究內(nèi)容如下:(1)針對多噪聲源、行車噪聲變化較大無法有效建模的問題,提出一種改進的最小值控制遞歸平均算法(Minima Controlled Recursive Averaging,MCRA)作為行車噪聲的估計方法,有效解決了MCRA算法存在的噪聲估計延時問題和噪聲功率譜估計不準確問題。該算法能實時估計行車噪聲,有效解決了不同環(huán)境下無法有效噪聲建模的問題。(2)針對異常行車類型多的特點,提出一種以改進能熵比值為特征值的列車異音檢測方法。不同于傳統(tǒng)能熵比方法只能實現(xiàn)能量突變檢測的功能,改進的方法對應(yīng)不同的異常類型選取特定的異常頻段做能熵比檢測,有效識別了四類異常行車情況。(3)搭建了車站列車運行安全監(jiān)測系... 

【文章來源】：天津理工大學(xué)天津市

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 列車運行異音檢測研究的背景和意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 列車運行異音檢測研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容與結(jié)構(gòu)安排
        1.3.1 主要研究內(nèi)容
        1.3.2 結(jié)構(gòu)安排
    1.4 本文主要創(chuàng)新點
第二章 聲音處理的相關(guān)理論與方法
    2.1 聲音特征提取的常用方法
        2.1.1 時域特征提取方法
        2.1.2 頻域特征提取方法
    2.2 噪聲估計的基本方法
        2.2.1 聲音端點檢測與噪聲估計
        2.2.2 噪聲功率譜估計算法分類
        2.2.3 最小值跟蹤算法
        2.2.4 噪聲估計的時間遞歸平均算法
    2.3 譜減法
    2.4 本章小結(jié)
第三章 列車聲音信號降噪方法研究
    3.1 針對列車聲音信號的噪聲估計算法
        3.1.1 最小值控制的遞歸平均算法及其存在的缺陷
        3.1.2 針對行車聲音信號的最小值控制的遞歸平均算法
    3.2 改進的譜減法
        3.2.1 “音樂噪聲”的產(chǎn)生
        3.2.2 改進的譜減法
    3.3 仿真實驗和結(jié)果分析
    3.4 本章小結(jié)
第四章 車站列車運行安全監(jiān)測系統(tǒng)搭建與分析
    4.1 車站列車運行安全監(jiān)測系統(tǒng)搭建
        4.1.1 監(jiān)測系統(tǒng)總體設(shè)計方案
        4.1.2 音頻降噪模塊
        4.1.3 車頭車廂分離模塊
        4.1.4 行車異常類型檢測模塊
    4.2 仿真實驗和結(jié)果分析
        4.2.1 實驗樣本準備
        4.2.2 降噪性能驗證實驗
        4.2.3 異常檢測性能驗證實驗
    4.3 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
符號說明
參考文獻
發(fā)表論文和科研情況說明
致謝



本文編號：2917712