数据采集与处理

数据采集与处理杂志 北大期刊 CSCD期刊 统计源期刊

Journal of Data Acquisition & Processing

杂志简介:《数据采集与处理》杂志经新闻出版总署批准,自1986年创刊,国内刊号为32-1367/TN,是一本综合性较强的电子期刊。该刊是一份双月刊,致力于发表电子领域的高质量原创研究成果、综述及快报。主要栏目:理论与试验研究、研究简报、综述

主管单位:中国科学技术协会
主办单位:中国电子学会;仪器仪表学会;信号处理学会;中国一汽仪表学会;中国物理学会;微弱信号检测学会;南京航空航天大学
国际刊号:1004-9037
国内刊号:32-1367/TN
全年订价:¥ 408.00
创刊时间:1986
所属类别:电子类
发行周期:双月刊
发行地区:江苏
出版语言:中文
预计审稿时间:1-3个月
综合影响因子:1.11
复合影响因子:0.68
总发文量:1627
总被引量:9202
H指数:33
引用半衰期:5.3889
立即指数:0.0078
期刊他引率:0.9652
平均引文率:12
  • 信号、数据和信息的历史及展望——纪念《数据采集与处理》创刊30周年

    作者:贲德 张弓 谭晓阳 刘彦东 黄志球 刊期:2015年第02期

    信号、数据和信息相关理论及其应用是《数据采集与处理》杂志30年来主要的刊登内容。从早期的A/D转换到DSP,FPGA处理芯片,从分形技术、小波理论到语音信号识别和图像信号处理,从神经网络到深度学习,从无线通信技术到光通信技术,《数据采集与处理》杂志就像一面镜子,折射出信号、数据和信息处理技术的飞速发展。本文对信号、数据和信息处理的历史...

  • 《数据采集与处理》创刊30周年回顾与展望

    作者:刘彦东 陈珺 张黄群 刊期:2015年第02期

    回顾《数据采集与处理》所经历的初创阶段、调整阶段以及稳定发展阶段三个发展阶段,介绍了其创刊30年来载文量、基金论文比、学科分布、影响因子、SJR指标等总体发展状况,总结30年以来的办刊理念和办刊思路,提出应从加强选题策划、加大约稿力度、优化审稿流程、规范编辑出版方面入手提升期刊质量,探索《数据采集与处理》发展的新思路。

  • 数字助听器若干关键算法研究现状综述

    作者:赵力 张昕然 梁瑞宇 王青云 刊期:2015年第02期

    佩戴数字助听器是解决听力言语残病的主要途径。随着数字信号处理相关技术的广泛应用,近年来应用于数字助听器的各种算法和技术得到了显著的发展。依据目前主流数字助听器的系统结构,本文从响度补偿、噪声抑制和回声消除等几个方面回顾了近年来国内外相关算法的研究和实现方案。同时,针对不同问题和不同解决策略分别进行了对比与分析。最后讨论...

  • 说话人认证录音回放检测方法综述

    作者:贺前华 潘伟锵 胡永健 朱铮宇 李艳雄 奉小慧 刊期:2015年第02期

    基于生物特征的身份认证已得到学术界及企业的高度重视,指纹、人脸识别应用已非常普遍,但对于非现场身份认证,语音相对其他生物特征,具有用户接受程度高、拾音设备简单、随时随地可用、数据量小、计算复杂度低等优势,因此基于声纹的身份认证系统应用越来越广泛。另一方面,由于录音回放攻击简单易行,不需要任何专业知识,且随着廉价、高质量的录音...

  • 语音压缩感知研究进展与展望

    作者:孙林慧 杨震 刊期:2015年第02期

    压缩感知技术,特别是语音压缩感知技术逐渐成为信号处理领域的研究热点。当前的语音压缩感知关键技术主要包括适合语音信号的稀疏分解矩阵构造,观测矩阵的选择和重构算法的设计。稀疏分解矩阵的重要代表是正交基、基于语音特性的线性预测矩阵和过完备字典。观测矩阵方面主要采用随机观测矩阵分析语音压缩感知性能;重构算法方面重点研究当观测序...

  • 生物组织光声成像技术综述

    作者:陶超 殷杰 刘晓峻 刊期:2015年第02期

    光声成像是一种低功率、非电离的成像方式,既具有声学方法对深层组织成像分辨率高的优点,又具有光学方法在功能成像、分子成像方面具有高对比度的优势。本文回顾了近年来,光声成像技术在生物医学领域的研究进展,介绍了光声成像的基本成像原理。以此为基础,本文介绍了光声成像的两种主要成像方案:光声断层成像和光声显微镜,并且讨论了光声成像在...

  • 基于AVS和稀疏表示的鲁棒语者声源DOA估计方法

    作者:邹月娴 郭轶凡 郑炜乔 刊期:2015年第02期

    基于声学矢量传感器(Acoustic vector sensor,AVS)和空间声源稀疏表示理论,进行了鲁棒的高精度语者声源到达角(Direction of arrival,DOA)估计方法研究。考虑混响和加性噪声影响,本文推导了AVS接收信号的向量化的协方差矩阵模型,设计了过完备字典,依此建立声源的空间稀疏表示模型,最终通过求解稀疏空间谱获得鲁棒的DOA估计。本文进行了大量...

  • 一种基于重构性深度网络的MELP语音编码改进算法

    作者:张雄伟 吴海佳 张梁梁 邹霞 刊期:2015年第02期

    为了提高深度模型的编码重构性能,本文为传统对比散度(Contrastive divergence,CD)添加了基于交叉熵的重构误差约束。利用改进后的算法训练了重构性深度自编码机(Reconstructive deep auto-encoder,RDAE),并用RDAE替换混合激励线性预测编码(Mixed excitation linear prediction,MELP)语音编码器中LSF参数的矢量量化方法。测试结果表明,改...

  • 基于希氏变换的超声基频算法估计骨小梁间距

    作者:他得安 李颖 刘成成 刊期:2015年第02期

    超声背散射信号对松质骨的微观结构极其敏感。骨小梁间距(Trabecular bone spacing,TbSp)是用于表征松质骨微结构的一个重要参数。为了能从松质骨超声背散射信号中准确获得松质骨TbSp,本文提出了一种希尔伯特变换和基频估计法相结合的TbSp估计算法。将该算法应用于离体松质骨的超声背散射信号,获得相应的TbSp值,并与显微CT测得的TbSp进行比较...

  • 人机交互中的声源定位与增强方法

    作者:殷瑞祥 李文东 刊期:2015年第02期

    基于人机交互的实际应用场景,提出了一种交互目标声源三维定位与语音增强算法。该算法首先在广义相关法的基础上提出一种声达时延差的估计方法,通过由6个麦克风构成的平行均匀线阵接收模型,实现对目标声源的三维定位;然后在交互目标声源定位的基础上,通过调整时延波束叠加的权值,实现对目标语音的增强。仿真实验结果表明,文中提出的算法能够准确...

  • 基于自适应粒子群优化径向基函数神经网络的语音转换

    作者:张玲华 姚绍芹 解伟超 刊期:2015年第02期

    语音转换是指在保持源说话人语义内容不变的前提下,通过改变源说话人的个性特征,使其听起来像目标说话人的语音。本文提出一种自适应粒子群优化算法训练径向基函数神经网络进行语音特征建模,以获取说话人谱包络的映射关系;此外,考虑到说话人谱包络参数与基频有着密切的联系,利用基于径向基函数神经网络的联合谱包络基频变换方法,将谱包络参数与...

  • 基于圆形麦克风阵列的声源定位改进算法

    作者:郭业才 宋宫琨琨 吴礼福 孙心宇 王丽华 刊期:2015年第02期

    针对波达方向估计中传统互功率谱法声源方位估计准确性差、方位模糊的问题,提出了一种基于圆形麦克风阵列的声源定位改进算法,并进行了实验验证。在该改进算法中,先设计了十二元圆形麦克风阵列,由麦克风对接收语音信号的时延与相位得到相位旋转因子,再将其引入到语音信号的互功率谱中,新定义了圆形集成互功率谱,由该功率谱进行声源方位估计。仿...

  • 一种基于水平集的三维肝脏磁共振图像混合分割方法

    作者:吕晓琪 石静 任晓颖 张传亭 刊期:2015年第02期

    针对腹部复杂的内部结构、各组织之间存在相互浸润,使得腹部磁共振(Magnetic resonance,MR)图像存在大量弱边缘的问题,以及使用传统水平集(Level set)方法对肝脏进行分割时易在弱边缘处产生泄露,采取阈值分割等算法进行预处理以获取更好的分割效果,并使用一种改进的水平集方法分割提取三维腹部MR图像中的肝脏。使用阈值分割进行粗分割可以有...

  • 基于隐马尔可夫模型的非监督噪声功率谱估计

    作者:许春冬 战鸽 应冬文 李军锋 颜永红 刊期:2015年第02期

    噪声功率谱估计是语音增强算法的基本组成部分,传统算法大多采用启发式的估计方法,因而不能保证噪声估计值的统计最优。提出了一种基于极大似然的非监督噪声功率谱估计方法,采用隐马尔可夫模型(Hidden Markov model,HMM)在每个子带建立语音和非语音对数功率谱的统计模型,模型包含语音和非语音两个高斯分量,其中非语音高斯分量的均值表示噪声功...

  • 深度神经网络在维吾尔语大词汇量连续语音识别中的应用

    作者:麦麦提艾力·吐尔逊 戴礼荣 刊期:2015年第02期

    研究将深度神经网络有效地应用到维吾尔语大词汇量连续语音识别声学建模中的两种方法:深度神经网络与隐马尔可夫模型组成混合架构模型(Deep neural network hidden Markov model,DNNHMM),代替高斯混合模型进行状态输出概率的计算;深度神经网络作为前端的声学特征提取器提取瓶颈特征(Bottleneck features,BN),为传统的GMM-HMM(Gaussian mix...