24、日常声音分类:原理、方法与应用

日常声音分类:原理、方法与应用

1. 声音与活动的关联

研究表明,声音景观能提供与环境互动的相关信息。在家中进行的研究发现负面评价通常更受关注,而在客运列车内进行的听觉舒适度评估研究也提供了类似证据。研究人员在列车行驶过程中通过开放式问题收集乘客的听觉判断,受访者会根据自己参与的特定活动来评估声音,声音物理属性(如声级)的评估会受到受访者活动的影响。例如,某个声音可能被认为“安静到足以入睡”,但“太吵而无法进行讨论”。这表明参与者的活动(手头的任务或与环境的预期互动)是日常声音分类的决定因素,甚至可能是首先要考虑的因素。

2. 日常声音的分类方案

分类方案主要包括分类学和本体论。分类学是实体的层次结构,实体之间的关系基于类包含,如动物王国分类学;本体论则建模实体之间更广泛的关系。以下是一些不同的声音分类方案:
- 基于物理和功能特征的分类 :Murray Schafer提出了三种声音事件分类方案,分别根据物理特征(持续时间、频率、波动、动态)、美学品质和指称方面。指称方面包括自然声音(如水、动物、火产生的声音)、人类声音(如语音、脚步声)、社会声音(人类活动或不同环境的声音)、机械声音(如机器、交通工具的声音)、安静和沉默以及指示性声音(如警告信号、钟声)。
- 基于人类活动程度的城市声音分类 :Delage根据人类活动程度对城市声音进行分类,分为非人类产生的声音(如自然声音)、间接反映人类活动的声音(如交通或建筑噪音)和直接反映人类活动的声音(如声音、脚步声)。
- 自然生态系统中的声音分类 :Pijanowski等人在自然生态系统

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场及目标:①学习和掌握RBF神经网络滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析仿真验证相结合。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值