多特征全卷积网络的地空通话语音增强方法

为了研究空中交通管理领域中的语音增强问题,并且节约存储资源,提出了一个新的语音增强方法.在基于全卷积神经网络(FCN)的基础上加入了跳跃连接(Skip Connection),并引入次要特征来进行联合学习.具体而言,使用语音的对数功率谱(LPS)作为网络的主要训练特征,引入对数梅尔倒谱系数(L-MFCC)作为网络的次要训练特征,来联合优化网络参数.实验证明,相较于单个LPS特征输入的架构,结合LPS和L-MFCC的多特征网络架构具有更好的语音增强性能表现,且作为次要特征的L-MFCC还可以用作其它用途.实验还证明,跳跃连接的加入可以很好的提高FCN的网络性能,且相较于基线的深度神经网络(DNN)模型,新的网络结构在相同参数数量的情况下,要具有更好的性能.     

基于时空特性的短时交通流预测模型

根据交通流的历史周期性和空间相关性,文中综合SARIMA模型在历史周期性预测上的优势和RBF模型在空间相关性预测上的优势,提出了SARIMA-RBF模型.该模型采用SARIMA模型通过历史数据预测下一时刻的交通流,然后将预测值与该点上下游关联的交通流数据相结合,采用RBF神经网络模型得出输出值,并将该输出值作为SARIMARBF模型对下一时刻交通流的预测结果.实验结果表明,该模型因同时考虑了交通流的历史周期性和空间相关性,相比SARIMA模型和RBF模型具有更好的交通流预测效果.     

基于InfiniBand的集群分布式并行绘制系统设计

为解决 sort-first型并行绘制负载不均衡和网络拥塞问题,在研究原有体系结构的基础上,提出了一种基于InfiniBand高速网络的PC集群分布式并行图形绘制解决方案。增加了显示节点负责场景显示。使用一种改进型的基于绘制历史的动态负载均衡算法解决了负载不平衡问题;利用InfiniBand消息传输机制开发了同步控制策略,有效地实现了帧同步。实验结果表明,该方案在保存场景一致完整性的基础上,与传统体系结构相比,显著地提高了系统帧率,降低网络通讯消耗。     

基于个体差异移民的改进元胞遗传算法

针对灾变元胞遗传算法中的精英策略，在求解具有欺骗性的优化问题时易陷入次优解的情况，分析了几种移民策略。提出了一种基于个体差异的新移民策略，在灾变发生后，灾难区域以这种新的移民策略迁移个体。通过两个具有欺骗性典型函数的实验，表明在灾变机制元胞遗传算法中采用新的移民策略能提高数值优化函数的精度和收敛率，具有更好的全局搜索和局部搜索性。     

MRD2K多雷达综合显示系统的设计和实现

介绍了一种新型的ＭＲＤ２Ｋ空管多雷达综合显示系统的研制工作，包括系统结构、软件设计和实现技术，对试验效果进行了讨论，对应用前景进行了分析。     

基于自注意力机制的新生儿胆道闭锁识别

新生儿胆道闭锁是新生儿常见的致命疾病之一,并且该病在亚洲的发病率高于世界其他地区.新生儿胆道闭锁需要及时发现及时治疗,然而由于缺少专业的儿科医生和辅助诊疗手段,新生儿父母往往不能及时发现而错过了最佳治疗时间.因此,本文开发了一个具有实际应用价值的预诊算法,通过新生儿粪便图片预测新生儿是否患有新生儿胆道闭锁,并提醒新生儿父母及时就诊.为了让算法在应用场景下识别率更高,本文的算法基于一个真实场景下拍摄的新生儿粪图片数据集开发.首先我们设计了一个自注意力网络模型BANet(Biliary Atresia Network),将图片的浅层特征和深层特征相结合,可以得到更好的分类效果.由于拍摄自应用场景下的图片存在过暗和过曝等问题.通过分析数据集的亮度分布,我们设计了一个自动亮度调节算法解决.此外,图片中的阴影也会对识别结果造成干扰,因此我们在训练阶段增加了一种阴影数据增强方式来缓解这一问题.为验证本文提出算法的有效性,本文设计了一个和医生的对比试验.结果证明BANet在四分类的识别率、二分类的识别率、特异性和敏感性等客观评价指标上占有明显优势.本文提出的BANet能够有效利用图片中的颜色、异常点...     

空中交通管制综合显示系统

采用现代计算机图形学、数据库及数字通讯技术，对空中交通管制新航行系统（ＦＡＮＳ）的重要组成部分和关键技术进行了初步研究，设计并研制成功了空中交通管制综合显示系统。     

一种快速车标定位方法

车标定位是车标识别系统中至关重要的一步，作者提出了一种快速的车标定位算法，即在已知车牌位置的情况下，利用车标位置垂直方向能量集中的特点进行滤波处理以及在粗定位矩形框中利用模板匹配的方法得到车标的准确位置，实验结果表明，该方法定位准确率在95％以上，平均速度在150ms至200ms之间。     

基于分布式实时三维仿真系统的设计与实现

讨论了用多台微机代替图形工作站实现分布式实时三维仿真系统的系统框架和相关的问题，分析了多台微机并行同步渲染出整个三维场景时，因为各台机器之间的数据帧包和控制帧包的同步而出现的问题，并针对这些问题提出了如何有效使用广播和UDP包传送数据帧包和控制帧包的解决方案。给出了一个具体的实例——机场塔台仿真系统。     

基于触觉传感器和强化学习内在奖励的机械臂抓取方法

触觉在机器人抓取过程中扮演着重要的角色,但在大多数强化学习任务中,触觉仅被用于拓展状态空间,其提供的位置和压力等信息很少被完全利用.针对该问题,同时受内在奖励机制启发,首先设计了一种“倒T”形传感器阵列布局;然后基于这种传感器阵列提出了新的内在激励方法,该方法根据机械臂末端与物体接触位置的不同,给予不同的重视程度,鼓励智能体以更有效的姿态来夹取物体;最后将该方法在仿真环境中进行测试,结果表明该方法在夹取椭球和圆球物体任务中收敛速度比最新的基准方法平均提高了约20%.