基于Fast ICA的多说话人识别系统

针对多人混合语音条件下说话人身份难以识别的问题,提出了一种使用快速独立分量分析（Fast ICA）方法分离各个说话人的语音信号,并采用RBF神经网络方法进行说话人识别的策略.由于不同语音源信号保持相对独立,利用盲信号分离的思想,使用Fast ICA方法用于信号的分离,从而对获得的独立语音数据分别提取说话人特征,采用RBF神经网络模型实现多说话人身份的识别.实验结果表明,该方法能有效地实现混合语音条件下的说话人识别.     

浅谈英语语音教学

对英语学习者来说,语音过关是英语学习的关键。中国学生学习英语语音的困难,主要是受普通话的迁移作用的影响,容易混淆一些元音音素和辅音音素,在节奏群和语调方面把握不好。因此,在教学过程中,采取听与说的训练齐头并进的方法会收到很好的效果。同时英语语音的教学还要注意因材施教,课堂多练,点、面结合。     

航班预定口语对话系统的设计与实现

介绍一个航班预定口语对话系统的设计与实现, 该系统允许用户通过普通话进行航班信息查询与预定.重点介绍口语对话系统中的口语语言理解.为了克服语音识别引入的识别错误导致语义理解错误的问题, 提出基于词混淆网络的两阶段中文口语语言理解方法:首先从词混淆网络中选择N元文法作为分类特征, 进行主题分类, 并通过语义分类模型解析获取对应的语义树结构;然后利用基于规则的语义槽填充器抽取相应的语义槽属性-值.该方法是数据驱动的, 训练数据的标记比较容易.实验在汉语航班预定领域进行, 结果表明, 在语音识别字错误率很高的情况下, 该方法比传统的基于语法规则的语言理解方法更加鲁棒, 在语义理解正确率方面有明显改善.     

基于决策树的海上搜救目标检测算法

为克服传统目标识别方法在处理空间特征分布极为复杂的数据时的缺点,提出1种基于决策树的多特征检测算法,并将其应用到基于视频的海上搜救目标检测中.该算法首先提取图像中的颜色、亮度等信息,通过计算各特征的信息增益建立决策树,将搜救目标检测问题分解成3层决策树分类问题.实验表明,该算法能够提高多特征目标检测的效率,在救生艇、筏等海上搜救目标检测的应用中取得较好的结果.     

水上交通加权安全评价中权重向量的异常分析

为提高指标权重在水上交通安全评价中的准确性,提出一种基于DBSCAN算法的权重向量异常分析方法.该方法选取加权评价法为研究对象,以DBSCAN算法为检测方法,对水上交通加权安全评价中的权重向量进行异常分析.实例表明,在130组数据中,异常权重向量共3组.从数据分布情况看,异常向量与正常向量有比较明显的差异,说明此方法能有效识别异常向量,是可行的.该方法对权重向量集进行分析后,可防止异常权重向量的干扰,提高评价结果的质量.     

基于Mel倒谱特征顺序统计滤波的语音端点检测算法

为提高噪声环境下语音端点检测的准确性,提出一种基于Mel倒谱距离顺序统计滤波的端点检测算法.该算法首先提取每帧语音信号的Mel频率倒谱系数,以前16帧估算背景噪声,计算每帧语音与背景噪声的倒谱距离;然后将当前帧前后相继若干帧的倒谱距离,经过一组顺序统计滤波器得到加权倒谱距离;最后根据各帧加权倒谱距离对输入语音进行分类.在TIMIT语音库上的实验结果表明,该方法在白噪声、粉噪声、汽车噪声和战斗机噪声等噪声环境下,均能得到理想的端点检测结果,且在低信噪比时依然有效.     

一种多时相遥感图像多目标检测算法

随着遥感技术的快速发展,遥感图像得到广泛的应用,其中目标检测是遥感图像众多应用中非常重要的一个分支。目前大多数目标检测算法都是基于单时相遥感图像,对于多时相遥感数据的处理方法较少。最近发表的多时相目标检测算法有滤波张量分析,其将多重线性函数与张量相对应的关系应用于遥感图像目标检测,但该算法只能进行单目标检测,无法同时检测多个目标。本文借鉴多目标约束能量最小化算法中对于多个目标输出能量的约束和滤波张量分析中对于应用张量滤波器的思想,提出多目标滤波张量分析算法,能够在多时相遥感数据中实现同时检测多个目标。模拟和真实数据实验结果均表明,该算法可以有效地提高多时相图像中多目标检测精度。     

基于相对混乱度特征选择的船舶风机智能状态监测与故障诊断

为提高船舶机舱状态监测的实时性和故障诊断的准确性,提出一种由数据获取、特征提取、特征选择和故障识别组成的智能状态监测和故障诊断框架,以及基于相对混乱度的特征选择方法和基于特征选择的支持向量机训练方法。该方法相比传统方法在故障识别准确率上有所提升,可达到94.46%,并且可有效缩短分类器计算耗时,最快可将其缩短77.8%。文中提出的算法框架、特征选择方法、基于特征选择的支持向量机训练方法和智能故障诊断方法相比现有方法有一定的优势,对机舱中回转机械设备的状态监测和故障诊断有一定的参考价值。     

一种基于感知特性的鲁棒性语音认证算法

提出了一种基于感知域的鲁棒性语音认证算法,将语音的感知特性与签名算法相结合,在满足内容认证和身份认证的同时,能够有效地抵抗通信噪声微扰.算法基于语音的掩蔽效应和非线性效应等人耳感知特性,着重去除其时频域掩蔽阈值下的冗余信息,进行非线性滤波后提取感知参数,并运用改进的Rainbow算法对这些语音参数进行签名.实验证明,该算法的唯一性和针对通信噪声的鲁棒性都很好,兼有Rainbow签名的安全性保证,可以满足语音通信中的鲁棒性认证要求.     

深度神经网络自适应中基于身份认证向量的归一化方法

深度神经网络是近年来非常流行的一种语音识别声学建模技术，其性能比之前主流的高斯混合模型有显著提高，但是深度神经网络的说话人自适应技术一直没有很好地解决。利用身份认证向量对深度神经网络进行自适应，并研究身份认证向量归一化对系统的影响，提出一种新的max-min线性归一化技术。实验表明在TIMIT数据集上该技术可使字错误率比传统方法相对下降5.10%。     

基于IEEE 802.11的Ad Hoc网络中的一种节能路由改进算法*

根据IEEE 802.11协议在链路层提供有限次数链路重传的特点,提出了一种在基于IEEE 802.11的移动Ad Hoc网络（MANET）中保证可靠通信的节能路由改进算法——ERRC（Energy-efficient Routing algorithm for Reliable Communication in IEEE 802.11-based MANET）,它可以方便地应用于MANET中现有的反应式路由协议。ERRC分析并建立了适合于IEEE 802.11情况的重传模型和能耗模型,提供了在发送数据分组时的功率控制机制,在节点选路时综合考虑了分组错误概率、节点代价函数的影响。仿真结果表明,ERRC算法可以显著提高网络生存期,在节省能耗方面比没有考虑分组错误概率的节能路由算法更为精确。     

一种基于long short-term memory的唇语识别方法

唇动视觉信息是说话内容的重要载体。受嘴唇外观、背景信息和说话习惯等影响,即使说话者说相同的内容,唇动视觉信息也会相差很大。为解决唇语视觉信息多样性的问题,提出一种基于long short-term memory（LSTM）的新的唇语识别方法。以往大多数的方法从嘴唇外表信息入手。本方法用嘴唇关键点坐标描述嘴唇形变信息作为唇语视频的特征,它具有类内一致性和类间区分性的特点。然后利用LSTM对特征进行时序编码,它能学习具有区分性和泛化性的空间-时序特征。在公开的唇语数据集GRID、MIRACL-VC和OuluVS上对本方法做了针对分割的单词或短语的说话者独立的唇语识别评估。在GRID和MIRACL-VC上,本方法的准确率比传统方法至少高30%;在OuluVS上,本方法的准确率接近于最优结果。以上实验结果表明,本文提出的基于LSTM的唇语识别方法有效地解决了唇语视觉信息多样性的问题。     

基于改进遗传算法的高光谱图像波段选择

在对地观测领域,高光谱图像得到了广泛应用,但存在数据量大、波段间相关性高等问题. 针对以上问题分析了已有的波段选择方法,提出了基于信息量及类间可分离性准则的遗传算法对高光谱图像进行波段选择:构造波段互相关系数矩阵进行子空间划分;利用联合熵作为组合信息量的标准,Bhattacharyya距离作为类间可分离性标准,构造遗传算法的适应度方程,改进了遗传算法中的选择算子. 最后用AVIRIS图像对提出的算法进行试验,并利用最大似然分类法对最优波段组合进行分类,总体分类精度达到94.24%,Kappa系数达到0.94.     

SAR原始数据压缩的自适应比特分配BAQ算法

针对SAR原始数据压缩，在传统BAQ算法基础上，提出一种分块量化比特率可变的BAQ算法，在保持各分块平均比特率固定的前提下，针对不同的数据分块自适应选择量化比特率。与已有的改进型BAQ算法相比，比特率选择机制基于分块数据的信号功率大小，不需要成像区域的先验知识。新方法能够明显提高数据量化信噪比并降低SAR复图像相位误差，而运算复杂度增加很小，并可以实现分数比特率，适应于不同通信带宽的数据传输需要，增加了SAR原始数据实时传输的灵活性。     

基于EH的D2D通信中继选择算法

为了使D2D通信高效节能地选择中继节点,结合能量收集技术和D2D技术,构建一种基于能量收集的D2D通信单小区模型,提出一种基于能量收集的中继选择算法.利用能量收集技术收集设备周围干扰信号携带的能量为中继通信供能,避免设备因本身剩余能量低于阈值而发生通信中断或选择中继失败.在物理域分析能量收集功率和信道情况;受人类社会竞...     

一种基于视觉特性和灰度补偿改进的LDR图像增强方法

针对传统空域增强算法的不足,LDR （layered difference representation）算法构造一种二维直方图,该直方图包含像素间上下文信息。基于此,提出一种基于LDR的改进算法。该算法将视觉特性引入直方图,构造二维视觉差异直方图,再利用该直方图和LDR进行初步增强。最后采用灰度补偿方法改善过增强现象。实验结果显示该算法可产生更好的视觉效果,并适当提高整体亮度和对比度,消除人工伪影,且无需调整参数,满足实时处理的要求。     

一种改进的基于GMM-UBM的法庭自动说话人识别系统

对基于高斯混合模型(GMM)的法庭自动说话人识别系统进行改进.通过参考人群数据库降低了对嫌疑人语音样本数量的需求.以小规模背景人群数据库建立改进的基于高斯混合模型-通用背景模型(GMM-UBM)的法庭自动说话人识别系统.以固定电话信道和移动手机信道的数据库进行了系统的测试.     

智能工厂中的雾计算资源调度

随着新一代信息技术的发展,许多传统工厂开始向智能工厂转型。如何对智能工厂中海量数据进行处理,从而提高工厂的生产效率仍然是一个严峻的问题。基于智能工厂的特性提出适用于智能工厂的雾计算框架,使用Kubernetes对容器化的智能工厂应用进行自动化部署。并且提出基于遗传算法改进的区间划分遗传调度算法（interval division genetic scheduling arithmetic,IDGSA）对智能工厂中的容器应用进行调度分配。仿真实验表明,与Kubernetes缺省的调度算法相比,IDGSA算法可使数据处理时间减少50%,雾计算资源使用率提高达60%;与传统的遗传算法相比,在迭代次数更少的情况下,可使数据处理时间减少7%,雾计算资源的使用率提高9%。