基于谱减的语音增强算法的改进

为降低噪声对语音通信的干扰,提出了一种基于谱减的语音增强算法的改进方法。根据噪声频谱的G auss统计模型修正语音增强过程中噪声频谱的估计方法,利用帧内、帧间约束估计每一个频点的先验信噪比,提出了一种简便的估计语音在每一个频点出现的概率的方法,得出了修正的语音增强算法。在白噪声以及坦克噪声环境中分别对算法的性能进行测试。实验结果表明:在几乎不损伤语音清晰度的前提下,该算法使“音乐噪声”得到了更好的抑制,同时信噪比提高了约8 dB以上。     

石河子秋季初霜冻的灰色灾变预测

运用灰色系统理论的季节灾变预测方法，对石河子未来年份的初霜冻进行预测，并建立灰色季节灾变ＧＭ（１，１）预测模型，结果表明：１９９４年初霜冻的出现日期在１０月１７日以前，在１０月１０日左右，经验证与初霜冻实际出现时间１０月１０日完全一致。     

基于改进活动轮廓模型的焊接接头缺陷分割

针对焊接接头的X射线图像存在光照不均、对比度低、缺陷边缘模糊等特点,提出了一种改进活动轮廓模型的分割方法.在传统活动轮廓模型中,引入平均滑动直方图进行非参数概率密度估计,使模型的驱动按照梯度力和统计压力值进行,解决了初始化受限和对焊接接头缺陷边界难准确分割的问题.实验结果表明,应用本文所提改进算法,能够准确地从X射线图像中提取出焊接接头缺陷,图像分割精度得到显著提高.      

AUV地形匹配导航快速收敛滤波

为了使初始定位偏差较大时地形匹配导航滤波能快速稳定地收敛,讨论了利用地形匹配定位的置信区间约束进行粒子初始化的问题,以提高滤波收敛速度和降低粒子数量.首先推导了地形匹配定位点的置信区间求解方法,然后通过在置信区间内的有效定位点布置粒子得到初始化粒子分布,从而将初始点的粒子分布约束在真实定位点附近.船载测量数据仿真验证结果表明:快速收敛滤波方法可以使初始化粒子逼近于真实位置附近,并在较短的距离内实现滤波收敛,粒子数量、滤波收敛距离及定位偏差均小于常规方法.     

中国股市已实现波动率的跳跃行为研究

以二次幂变差的测量为理论基础,研究了上证综指已实现波动率中的跳跃行为.将已实现波动率分解为连续样本路径方差争离散跳跃方差,研究了跳跃方差序列的统计特征,并且应用HAR-RV-CJ模型对上证综指的已实现波动率进行预测.研究结果发现,几乎所有日、周和月已实现波动率的可预测性都来自连续样本路径方差,表明二次变差中的连续样本路径成分是中国股市已实现波动率预报的决定因素.     

声码器线谱对参数抗信道误码算法

为降低在窄带高误码率信道上语音传输的失真,针对线谱对参数提出了一种基于信源信道联合特性的声码器线谱对参数抗误码算法.该算法首先对声码器模式信息采用结合长时统计特性的改进最大后验概率算法进行恢复,然后对语音合成质量影响最大的线谱对参数进行基于前向统计概率和分模式加权的最小均方误差准则下的线谱对参数差错后处理.该算法在不消耗任何额外带宽且无算法延时的要求下,可以显著降低线谱对参数谱失真,提高声码器抗信道误码能力和信道误码条件下的合成语音质量.特别在较高信道误码率(5%)下,平均谱失真降低0.3, MOS(mean opinion score)平均提高15%左右.     

动态顾客需求信息对供应链性能的影响

研究在动态顾客需求下，生产商和零售商所组成的供应链系统，采用P-控制策略和z变换相结合，给出一个动态模型，并分别对传统、EPOS和VMI供应链进行建模，通过仿真，分析和比较顾客需求信息对三种供应链性能影响的效果。     

供应链网络机制与动态特性的研究

针对传统供应链中地点分布散，提前期长，灵活性差，无法及时了解各节点库存状态，造成顾客满意度下降，客户资源流失，性能不稳定等问题，提出了一种基于动态的多级供应链网络规划模型，采用了混合整数规划方法，将战略层与作业层相结合，得到成本最小、性能稳定的柔性供应链结构。应用Z变换和指数平滑预测方法进行仿真分析。比较了两种供应链网络规划的动态效果。     

技术发展模式中的符号和建制问题研究

结构是存在的特征，符号是人的生存能力形成的基本要素，科学技术产业是人类长期发展起来的生产能力系统。科学技术产业从本质上讲是一种结构性、符号性事业，其生产性功能的实现，需要在结构和符号的认识使用中，建构一种以符号为链的秩序化、组织化、制度化的哑铃模型，其中技术是哑铃模型的关键，它自己需要不断的建制化。     

基于鲁棒神经网络的水下机器人运动控制

针对水下机器人神经网络控制中系统响应速度慢及对噪声较敏感的问题,依据变结构控制理论,提出了一种基于鲁棒神经网络的水下机器人控制方法E利用指数趋近律,推导出神经网络参数的镇定算法,并采用标准误差反向传播(EBP)算法最小化目标函数,最后在水下综合探测机器人仿真平台上进行了试验研究E试验结果表明,该控制方法对神经网络学习率的改变和外界扰动有很强的鲁棒性,大大降低了机器人机械传动系统的磨损,且能够保证神经网络快速、稳定地学习,从而满足实时性控制的要求,具有较高的理论和实用价值.