基于大津算法和深度学习的开集声纹识别自适应阈值计算方法

针对开集声纹识别的自适应阈值计算问题, 提出一种基于大津算法和深度学习的阈值计算方法. 首先, 采用三层受限Boltzmann机堆叠而成的深度置信网络从Mel倒谱系数中提取语音深层特征; 其次, 通过Gauss混合模型计算特征的相似度值, 对特征的相似度值使用大津算法计算阈值. 实验结果表明, 该方法识别效果较理想, 与等错误率计算阈值方法相比, 具有更高的识别准确率.     

东濮凹陷胡庆地区原油地球化学特征与油源分析

研究东濮凹陷胡庆地区原油地球化学特征及其来源.利用有机地球化学分析方法,对原油与烃源岩进行饱和烃色谱、饱和烃与芳烃色谱-质谱分析,剖析了两者的分子地球化学特征及油源.研究表明:胡庆地区发育3类原油,第一类原油具有极高伽马蜡烷,质量色谱图中甾烷呈"L"形特征,来自第二台阶的沙一段烃源岩,在沙一段储层中富集形成自生自储常温常压油藏;第二类原油为具有较高伽马蜡烷、三环萜烷以C23为主峰、甾烷呈不对称"V"形特征的中质油,来自第二台阶的沙三下亚段烃源岩,近源聚集形成常温常压油藏;第三类原油为具有较低伽马蜡烷、三环萜烷以C21为主峰、甾烷呈不对称"V"形特征的轻质油,是第一台阶的海通集洼陷沙三中亚段烃源岩生成,在第一台阶优质砂体中聚集形成的高温高压油藏.3类油藏由浅至深形成了3个独立的油气成藏系统,海通集洼陷并没有向第二台阶供烃.     

多重网络中的创意扩散模型研究

基于线上线下多种渠道的创意扩散研究是企业管理的新兴研究热点之一.为此,引入多重网络理论与传播动力学理论,考虑工作中线下沟通、工作中通过企业社交媒体在线沟通及非工作时间电子沟通三种渠道,构建多种渠道构成的多重网络中的创意扩散模型.研究创意在多重网络中持续扩散的阈值条件,并对创意在多重网络中的扩散过程进行仿真实验.结果表明:1)当员工在单位时间内通过以上各渠道沟通的平均次数较接近时,在多重网络中创意扩散的速度较快,创意扩散的范围较广;2)与匀质网络相比,当非工作时间电子沟通子网络是无标度网络时,在多重网络中创意扩散的速度较快,扩散的范围较广;3)增大子网络层间创意扩散的相互促进作用对整个多重网络中创意的有效扩散有积极影响.     

GPS高程拟合在公路测绘中的应用——以萧县X014改造工程为例

GPS高程拟合是通过选取测区内控制点求取高程异常值拟合出似大地水准面,进而求出其他控制点的高程异常值。本文利用GPS高程测量和高程拟合的原理,以萧县X014改造工程为例,用多种高程拟合办法进行拟合实践,并对这几种拟合结果精度进行比较分析,得出在皖北地区公路测绘应用中精度较好的高程拟合方法。     

基于FPGA的直流无刷电机新型控制系统设计

为提高直流无刷电机控制系统集成度、可靠性和稳定性,设计了基于FPGA的方波驱动直流无刷电机 控制系统.系统采用反电动势过零点检测方案,针对启动难,提出新型三步法,加速阶段分两步,首先进行定频升压 加速,然后采用定频定压的方式稳速,外同步到内同步换相的切换以自同步换相成功的次数为判决条件,通过自适 应阈值控制换相滤除了换相过程中的过零点干扰信号,增加了系统稳定性.电机控制器结构简单,不需位置传感器 及硬件滤波等电路模块.基于FPGA实验表明,该控制器启动效果好,电机运行稳定,最高转速达到13 785 r/min.     

联合功率域SPMA协议的动态阈值算法

针对基于优先级概率统计的多址接入(statistic priority-based multiple access, SPMA)模式协议在高负载情况下战术信息的碰撞概率十分严重, 网络性能无法满足协同攻击要求的问题, 本文借鉴非正交多址接入技术在功率域上区分同时同频信号的思想, 改进SPMA协议信号发送机制与多优先级检测机制, 在原有的时域、频域基础上引入功率域, 提出一种联合功率域的SPMA协议性能改进策略。并针对各优先级数据包到达率的动态变化场景, 设计动态阈值算法, 以达到降低碰撞概率, 提升网络吞吐量的目的。仿真结果表明, 采用该改进策略与动态阈值算法可以使网络承载更大的业务流量, 提高网络吞吐量。     

一种HEVC样点自适应补偿快速算法

为解决高性能视频编码标准H.265/HEVC中引入的样点自适应补偿技术的计算复杂度极高导致严重影响编码效率的问题,提出一种HEVC样点自适应补偿快速算法.首先根据编码单元(coding unit, CU)的划分深度确定亮度树形编码块(coding tree block, CTB)中需要提取边缘方向的区域,然后利用边缘方向提取算法获得亮度CTB的边缘方向列表,并根据此列表减少亮度CTB在模式判别过程中遍历的模式数量,最后利用亮度和色度CTB之间的相关性进一步简化色度CTB的模式判别过程.实验结果表明,在性能损失较小的情况下,本算法可以在全I帧(AI)、随机访问(RA)、低延时B帧(LB)、低延时P帧(LP)四种配置下分别节省31.75%、 56.85%、 52.81%、 51.51%的样点自适应补偿编码时间.     

基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。