SPEECH ENHANCEMENT METHOD FOR LPC AUTOREGRESSIVE MODEL AND SYSTEM IMPLEMENTATION OF COMMAND WORD RECOGNITION USED IN NOISY ENVIRONMENT

目前几乎所有的语音识别系统和商品在实际应用中都要求环境比较安静,当背景噪声比较高时,系统的性能就急剧下降,甚至不能使用。本文对语音和噪声的特点进行了分析,提出了基于ＬＰＣ全极点模型的语音增强算法,将其应用于高噪声命令词语音识别中,并进行了系统实现。在不同背景噪声下,采用不同的话筒,分别进行了有关信噪比、基本精度、抗噪能力以及系统对环境改变的适应性等实验。实验结果表明,系统在较高噪声背景下,有很好的识别效果。系统可抗多种噪声,基本可满足军事、交通、商场、工厂等应用领域的需要     

基于动态时轴弯曲的汉语连呼数字识别算法

模板匹配是计算机语音识别的重要手段之一。本文以孤立数字的线性预测编码(LPC)参数为模板,针对当汉语连呼数字发音速度较快时一字分割较困难这一特点,研究了不需预分割的汉语连呼数字识别问题。算法通过把复合距离的端点搜索与端点无约束的动态时轴弯曲(DTW)技术相结合,在保证一定识别率的前提下,使计算量较二级或多级动态规划算法有了大幅度下降即接近孤立数字发音识别水平。同时,简化的树状决策方法使识别性能进一步得到提高。初步实验结果表明,此方案可较有效地克服连呼数字识别中的连读效应。     

基于深度卷积网络的海洋涡旋检测模型

传统的利用遥感数据检测涡旋的方法通常是基于物理参数、几何特征、手工特征或专家知识。本文重点研究了基于深度学习技术从海表面高度图中识别海洋涡旋的方法。针对海洋卫星拍摄的海洋表面高度图中的涡旋检测问题,提出了一种基于卷积神经网络的多涡旋检测模型,该模型能够准确提取涡旋的特征信息,拟合语义信息与海面高度之间的关系。同时,在用于涡旋检测的最新公开数据集SCSE-Eddy上进行模型训练,以评估基于人工智能的涡旋检测方法性能,该数据集涵盖了15年来位于中国南海及其东部部分海域的每日卫星遥感海表面高度数据。实验结果表明,与现有的方法相比,本文模型取得了更好的检测结果,能够更好地区分相距较近的涡旋。     

切比雪夫多项式在动态载荷识别中的应用

依据广义正交域理论,应用一维切比雪夫广义多项式的正交性解决单自由度系统动态载荷时域识别问题,获得了基本计算模型。通过假定数据条件下定频模拟激励动态载荷,根据满足普遍意义的单自由度系统动力学方程计算出系统的加速度响应,结合应用广义正交多项式进行载荷识别的基本计算模型进行动态载荷仿真识别,并将仿真识别结果和激励动态载荷进行比对,对比识别结果,确定一维切比雪夫广义加权正交多项式应用于时域动态载荷识别在理论上具有可行性。在理想条件下,飞行器单处测点满足单自由度系统,应用试验记录的其加速度响应,通过载荷识别计算模型对其动态载荷进行了识别,给出了时域内的载荷识别结果,由于对计算模型及识别对象做了简化处理,在一定程度上降低了动态载荷识别的复杂度,因此,在将结果应用到工程实际中时还需进一步拓展。     

逆向工程中一种新的特征识别算法

从某种角度上说,逆向工程是从已有实物的测量数据点中提取其实体特征再进行模型重建的过程。本文提出了一种新的特征识别算法,其首先采用基于面积和法矢准则的数据分割技术,对测量数据点进行数据分割。然后从特征所包含的分割面(简称特征分割面)中提取能够惟一标识该特征的4种特征编码,分别为:表述特征截面形状的截面编码、描述特征凹凸性的凹凸编码、显示特征二维俯视轮廓形状的轮廓编码以及反映特征二维俯视轮廓是否封闭的开闭编码。最后将这4种编码输入到基于人工神经(BP)网络的自动特征识别系统中,识别出特征类型并提取特征参数,从而实现特征重建。着重研究并实现了从特征分割面中提取特征编码的算法,并验证了算法的有效性。     

大型导弹车工作模态识别研究及应用

针对大型导弹车在运输状态下的动态特性识别问题,设计制作了能够反映大型导弹车主要动力学特征的简化模型,使用最小二乘复指数法（LSCE）对简化模型进行了动态特性识别,对识别结果进行了分析和评估,并将最小二乘复指数法应用到真实大型导弹车运输状态的模态识别中。可为大型导弹车运输状态下的动力学特性分析提供参考。     

基于对比学习的终端区相似气象场景识别（英文）

为了提高终端区相似气象场景（Similar weather scenarios,SWSs）的识别准确率,提出一种基于对比学习的SWS(SWS based on contrastive learning,SWS-CL)识别模型。首先,针对对流天气图像特点,设计了一种数据增强方法来增加天气图像样本的数量和质量。接着,设计了一种对比损失函数使向量表征空间中的正样本与锚点样本之间的距离更近,而负样本与锚点样本之间的距离更远,进而基于对比学习技术在无标记样本集上训练得到相似气象场景分类预训练模型。最后,利用少量标记样本对预训练SWS-CL模型进行监督微调,进一步提高SWS-CL模型的性能。在广州终端区气象图像集上的对比实验表明,所提出的数据增强方法能有效提高气象图像集的质量,所提出的SWS-CL模型能取得令人满意的识别精度,且在标签稀少的数据集上具有明显的优势。     

基于轻量级卷积神经网络的人证比对

在证件审核场景中,常规的深度学习人脸识别方法人证比对精度低且在嵌入式设备运行效率差。为解决上述问题,本文提出了改进的轻量级卷积神经网络Lightnet,并采用了迁移学习方法。Lightnet是结合深度可分离卷积、线性瓶颈结构和注意力模块构成的轻量级卷积神经网络模块,引入附加角度裕量的损失函数AM-Softmax监督训练后,网络模型能够保持较高的验证精度,并有效解决标准卷积神经网络参数冗余、计算量大的问题。迁移学习通过冻结预训练模型的卷积层权重,并在自制的人证数据集微调,提高了网络模型的人证场景的识别性能。实验结果表明,所设计的轻量级人证比对算法在验证精度、参数量以及运行效率等方面取得了很好的效果,且对生活场景有较好的鲁棒性。     

基于阴影信息的多视角SAR图像识别

传统的SAR图像识别技术主要基于目标的电磁散射特性,而目标阴影信息对SAR图像目标识别具有重要的作用。若能获取同一目标在多个方位角下的多幅SAR图像,可改善目标识别的性能。针对该问题,本文提出了一种基于隐马尔可夫模型及阴影信息的多视角SAR图像识别技术。该技术提取目标阴影形状的链编码作为特征向量,并结合同一目标在不同方位角下的多幅图像的特征向量,生成该目标的特征序列,然后利用HMM对特征序列进行识别。仿真结果表明,该方法可有效实现SAR图像目标识别。     

基于微分Petri网的民机航迹演化通用模型构建

为实现对未来大流量、高密度、小间隔条件下的空域实施管理,在战略航迹规划阶段,提出了一种模块化的战略航迹演化通用模型。建立了不同航段之间航空器状态动态切换的一类宏观Petri网演化模型,以及同一航段内航空器速度和高度两种特征参数值连续变化的3类微观Petri网演化模型。根据航空器特征参数值转化的4种不同形式并基于航空器全飞行剖面的混杂运行特性,运用微分Petri网理论,定义了航空器的4种演化模式,通过组合各种演化模式得到了3种航空器基本演化模型。在满足航空器性能约束的前提下,通过设定10个航段及15个高度和速度预设值,得到了全飞行剖面下各特征参数的演化图。结果表明,所设计的演化模型增强了航迹预测模型的通用性,能够反映航空器在水平剖面和垂直剖面内的状态变化。     

LPC倒谱参数的说话人特征分析

通过对多个说话人与文本无关的发音材料进行统计分析，比较了ＬＰＣ倒谱的不同分量对说话人特征区分所作的贡献，研究了ＬＰＣ倒谱所体现的说话人共性及个性特性，同时使用了Ｆｉｓｈｅｒ判据，最近邻错误率，超球错误率、类内，类间平均距离等量度方法，从不同角度探讨了ＬＰＣ倒谱参数的说话人统计特征，并考查了它在正交变换，最大可分变换下的变化及以不同距离作为测量手段所产生的不同效果，这些工作是对ＬＰＣ倒谱参数用于说话     

基于神经网络的航空发动机全包线PID控制

提出一种基于神经网络的航空发动机全包线PID控制器参数整定方法,在全包线内选定若干离线整定点,在这些点离线整定PID控制器参数kp,ki,kd.以离线整定点参数为训练样本,离线训练BP神经网络,该网络可映射高度H,马赫数Ma与kp,ki,kd的非线性关系,便可用该网络在线整定包线内任意点的kp,ki,kd.用发动机非线性部件级模型为被控对象的数字仿真表明,用上述方法设计的发动机PID控制器在全包线内,都能获得理想的动静态品质.该方法简单易行,效果好,具有实用价值.     

适用于全包线的航空发动机BP网络模型的动态辨识

为克服传统的发动机动态模糊辨识中存在的辨识精度低，辨识模型应用范围窄等不足，把对非线性系统具有高度逼近能力的神经网络应用于航空发动机动态特性的辨识，从而为发动机动态辨识开辟更为广阔的道路，采用均方差归一法的处理方法和BP算法的改进算法－输出端动量BP地，以某型发动机在飞行包线内某一飞行条件下的数据作为学习样本，辨识了发同的神经网络模型，在全包线范围内对该模型进行检验，结果表明，所得的发动机动态模型在全包线内都有很高的逼近精度，而且对噪声有很强的抑制能力。     

A REAL-VALUED GENETIC ALGORITHM FOR OPTIMIZATION PROBLEM WITH CONTINUOUS VARIABLES

提出一种用于连续变量函数优化的遗传算法。它由一种简单、适应面广的动态刻度适应值和选择算子、杂交与变异算子，以及这些算子相应的自适应概率组成。该算法经两个常用函数检验，并在图象识别的神经网络权值训练中得到应用。实验结果表明，该算法是一种快速有效的全局优化算法。     

语音模式中基于启发式搜取的快速匹配算法

语音模式匹配是语音识别技术的关键步骤之一。本文介绍了如何运用SA算法实现语音模式的快速匹配的思想。SA算法与传统的动态时间弯变(DTW)算法相比较具有计算量大大减少而系统识别率几乎不降的特点。     

多脉冲激励线性预测编码语音合成器

与传统的线性预测编码相比,多脉冲激励线性预测编码(MPLPC)的合成语音质量有显著的改善,能在中等或低速率下合成出高质量的语音。本文介绍了用单片TMS32010组成的MPLPC语音合成器,数码率为9.6kbPS,激励脉冲的幅度和位置用最大互相关搜索算法确定。该系统结构简单,操作简便,通用性强,合成语音清晰、自然易懂,可广泛用于各种系统。文中给出了某些应用实例,经用户试用,效果良好,对合成语音质量感到满意。     

一种带智能补偿器的神经网络控制器及其应用

为非线性控制系统设计了一种带智能补偿器的神经网络控制器。神经网络用来提供主要的控制输入信号,网络的训练可离线进行,网络的使用采用联想记忆方法。经神经网络控制器控制后,系统的实际输出值与期望值之间偏差不大,因此可将误差模型方程线性化。针对这一线性化模型,可以设计一个智能补偿器来补偿由于训练精度、干扰及时延等因素引起的系统误差。利用以上设计方法,本文对战斗机的“眼镜蛇”机动飞行控制进行了仿真研究,仿真     

卡尔曼滤波在某跨声速风洞CTS机构连续动态轨迹捕获试验技术中的应用

外挂物分离轨迹捕获技术是世界上一种先进而且难度较大的风洞试验技术,国内某跨声速风洞捕获轨迹试验装置(CTS)首次对连续动态轨迹捕获实验技术进行了研究。本文首先介绍了该跨声速风洞CTS机构动态轨迹的预测方法,随后对该机构连续动态轨迹同步控制方法的具体实现步骤进行了较为详细的描述,分别介绍了无缓冲和有缓冲的动态轨迹连续同步控制过程及约束条件;在此基础上,针对CTS机构天平信号硬件滤波滞后和精度要求间矛盾的现实,引入泰勒中值定理,建立卡尔曼滤波(KF)模型,选取适当参数,对天平信号进行动态实时滤波处理,并与传统的位置控制方式进行吹风试验比较。试验结果表明:卡尔曼滤波较好地平衡了CTS机构天平信号硬件滤波滞后和精度要求之间的矛盾,且分离轨迹的重复性得到了验证,机构风洞吹风试验的效率也大为提高。     

一种在线神经网络在补偿飞机模型不确定性误差中的应用

讨论了一种基于神经网络动态逆的直接自适应控制方法，并应用于超机动飞机的飞行控制中。基本控制律采用非线性动态逆方法进行设计，对由于模型不准确导致的逆误差采用单隐层神经网络进行在线补偿。仿真结果表明，神经网络通过补偿由于模型不准确引起的逆误差，弥补了非线性动态逆要求精确数学模型的缺点，提高了整个控制系统的鲁棒性，而且可以大大简化动态逆控制律的设计。