一种采用振荡神经网络的CASA计算模型语音分离算法

基于听觉现象分析（CASA）模型的基本原理,在仅有单通道输入混合语音信号时,采用振荡器神经网络,提出了一种CASA改进模型语音分离算法结构,文中利用一个实例说明了新算法的具体实现步骤,讨论了新算法机构中语音听觉外围处理部分和分割神经网络处理部分,通过上述两个部分的处理可以将输入混合语音信号在时频域上分割为若干有听觉感知意义的语音听觉感知成分分段Segments,以便于新算法后续处理分部中语音Segments的聚为和分离重构输出处理,最终完成语音分离任务。     

基于高斯混合密度函数估计的语音分离

基于最大熵法（Ｍａｘｉｍｕｍ Ｅｎｔｒｏｐｙ,ＭＥ）、最小互信息量法（Ｍｉｎｉｍｕｍ Ｍｕｔｕａｌ Ｉｎｆｏｒｍａｔｉｏｎ,ＭＭＩ）和最大似然法（ＭａｘｉｍｕｍＬＩｋｅｌｉｈｏｏｄ,ＭＬ）最解决盲信号分离问题的常用算法,分析了ＭＥ、ＭＭＩ以及ＭＬ算法之间关系。基于高斯混合模式（Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌ,ＧＭＭ）概率密度函数估计,提出了一种采用反馈结构的扩展最大熵语音分离算法,与     

智能化逆变电源研制及其SPWM波软件生成

介绍了一种基于微处理器的中小功率逆变电源系统,讨论了系统的硬件、软件设计和正弦脉宽调制（ＳＰＷＭ）波的生成和输出稳压方案的设计,提出了一种软件实现ＳＰＷＭ波的新方法。实验数据表明,该系统具有良好的稳夺性能和很小的波形失真,说明该设计是有效的。     

应用倒谱特征的带噪语音端点检测方法

传统的语音端点检测方法以信号的短时能量、过零率等简单特征作为判决特征参数.这些方法在实际应用中,尤其当信号信噪比比较低时,无法满足系统的需要.文中利用语音信号的倒谱特征作为判决抽样信号帧是否为语音信号的依据,并提出了倒谱距离测量法和循环神经网络法.通过对宽带噪声-白噪声干扰情况和一种特殊噪声——汽车噪声情况的实验,发现倒谱特征参数的语音信号端点检测方法在噪声环境下具有传统的能量方法无法比拟的优越性,更适合于实际应用.     

飞行器故障诊断专家系统中的知识获取机制

根据某飞行器的诊断实例,先通过文字编辑模块（读取编辑器）转换源知识（实例）的形式,得到初始规则,然后运用归纳方法获得用于修理诊断的,精炼合理的系统知识,并由归纳分类形式知识库的分块分层结构,本 系统在ＨＰ ＶＥＥ的环境下开发实现,在某飞行器故障诊断的实际应用中能有效运行,完成知识的自动转换和分类精化。     

用生料易烧性指数控制回转窑煅烧温度

研究了带余热发电回转窑窑灰对熟料煅烧的影响,结果表明,窑灰的掺入对生料的易烧性和回转窑的煅烧有很大的影响,其中存在一个最佳掺入量。应该严格控制窑灰的加入量,才能保证窑的优质高产。生料的煅烧温度与其易烧性有直接的关系,在设备条件一定的情况下,可以用易烧性来控制窑的煅烧温度。     

基于免疫神经网络的雷达天线扫描方式的识别

采用了免疫RBF网络进行雷达天线扫描方式的识别.计算机仿真结果表明,对目前常见的几种简单的雷达天线扫描方式,免疫RBF网络系统在输入信噪比为4dB时的识别率已经达到99.13%,而它的网络训练步数仅需99步,具有非常优越的性能.     

基于混合进化计算的GMM优化方法及其在说话人辨认中的应用

提出了基于进化高斯混合模型(EGMM)的说话人辨认系统建模方法.EGMM在进化算法的框架下,为改善模型的泛化性能对GMM模型的结构与参数共同进行了优化.同时,系统的优化目标中引入了其他用户的区分性信息以提高其分类精度.根据GMM的特点设计了专门的遗传算子并结合GA与EP提出了一种新的混合进化算法.初步实验结果表明,EGMM方法建立的说话人模型具有更强的泛化能力.在说话人辨认实验中,较之传统的GMM方法,基于EGMM的系统的正识率提高了近3%,并且模型具有更小的平均尺寸.     

语音识别中结合进化计算的MMI训练方法

将最大互信息(MMI)和进化计算(EC)相结合,引入到HMM的训练中去.各个模型用个体来表示,个体的适应值采用模型的最大互信息.这样借助于演化计算的全局搜索及种群的特点,得到了基于最大互信息估计的HMM模型的更优解.实验结果表明,用该方法训练所得的系统识别率高于传统的基于梯度的最大互信息估计方法训练所得的系统.     

多重分形维数在语音分割和语音识别中的应用

语音气流中具有混沌特征,而分形可以定量地分析混沌现象,故分形可作为分析语音信号的数学工具．由于传统的Ｈａｕｓｄｏｒｆｆ－Ｂｅｓｉｃｏｖｉｔｃｈ 维数没有考虑关于集合中点的分布信息,本文引入多重分形维数来克服上述缺点．实验表明,多重分形维数语音分割方法明显好于单一Ｈａｕｓｄｏｒｆｆ－Ｂｅｓｉｃｏｖｉｔｃｈ 分形维数的语音分割方法