基于改进小波包去噪与梅尔倒谱系数的低信噪比交通环境声音识别

随着自动驾驶汽车研究的不断深入,对其环境感知系统提出了更高的要求。为了使自动驾驶汽车适应更复杂的交通环境,本文研究了低信噪比声学环境感知技术,提出改进的小波包去噪方法;采用经验模态分解(EMD)的方法改进梅尔频率倒谱系数(MFCC)的提取;采用支持向量机(SVM)识别模型完成低信噪比交通环境声音识别。实验结果表明,本文提取的去噪方法提高声音事件信噪比的同时保持声音特征,且对噪声有自适应性;改进的MFCC提取方法一定程度上提高了特征参数的抗噪性能。通过对低信噪比交通环境声音去噪和特征参数优化后,其平均识别率比优化前提高了33.34%,并改变了识别率骤降的趋势。     

GMA半薄切片与组织化学染色技术在植物胚胎学研究中的几点改进

本实验将GMA（乙二醇甲基丙烯酸醋）半薄切片技术与组织化学染色技术应用于植物胚胎学研究,并对其方法进行了如下方面的改进：（1）改进GMA包埋模具,避免因GMA溶液沿锡纸船缝隙流失导致的包埋失败;（2）控制GMA用量与聚合时间。避免因GMA溶液大量挥发导致的包埋失败;（3）增加了染液的溶质浓度,达到稳定的染色效果。