基于PMC方法的鲁棒声学模型研究

在噪声鲁棒语音识别研究中，使用并行模型结合(parallel model combination, PMC)方法得到的模型理论上能够接近匹配噪声环境模型的性能，故成为噪声鲁棒语音识别的重要研究方向。本文首先提出了一种基于前后向差分动态参数的特征MFCC_FWD_BWD，该特征满足PMC对特征构造矩阵可逆的要求。在此基础上，提出了一种用于PMC的新模型——并行子状态隐马尔可夫模型(parallel sub-state hidden Markov model, PSSHMM)，该模型每个状态包含平行关系的子状态，且子状态间存在转移关系。实验表明，PSSHMM模型在各种噪声和SNR下取得了较好的识别效果，特别是对于非平稳噪声，其鲁棒性能非常显著。     

多目标进场航班调度优化策略研究

对终端区进场航班调度问题,以延误损失和航班序列鲁棒性为目标,建立多目标进场航班调度优化模型。针对建立的模型运用RHC蚁群算法进行优化求解,同时对优化后的序列组进行鲁棒性排序,选出既能够降低航空公司延误损失,又能提高航班序列鲁棒性的优化序列。在仿真验证中,RHC蚁群算法策略与FCFS策略相比,延误损失降低21%。表明RHC蚁群优化策略能够大大降低航空公司的延误损失,提高航班序列的鲁棒性,从而降低管制员工作负荷。