宽带认知无线电网络分布式协作压缩频谱感知算法

针对宽带认知无线电网络中压缩频谱感知算法在低信噪比环境下频谱检测性能下降的问题,提出了一种基于高斯过程的分布式压缩频谱感知(PBCS)算法.首先应用层次化的正态分布概率模型来表示压缩频谱的重构,然后各个认知无线电用户交换模型参数并结合本地的压缩采样数据进行压缩频谱感知.有别于其他直接融合频谱感知结果或检测数据的协作式算法,PBCS算法通过模型参数融合来进行协作,能有效减小信噪比低的协作用户的影响,从而提高算法的抗噪性.仿真结果表明,PBCS算法可以在-5dB的信噪比条件下达到检测概率大于0.9、误检概率为0.1的频谱检测性能.     

高性能汉语数码语音识别算法

提出了一个高性能的汉语数码语音识别 (MDSR)系统。 MDSR系统使用 Mel频标倒谱系数 (MFCC)作为主要的语音特征参数 ,同时提取共振峰轨迹和鼻音特征以区分一些易混语音对 ,并提出一个基于语音特征的实时端点检测算法 ,以减少系统资源需求 ,提高抗干扰能力。采用了两级识别框架来提高语音的区分能力 ,其中第一级识别用于确定识别候选结果 ,第二级识别用于区分易混语音对。由于采用了以上改进 ,MDSR系统识别率达到了 98.8% .     

多信道认知无线网络时延性能分析与接入策略设计

在分级认知无线网络中,无论何时当授权频段未被主用户占用时,次用户都可以采取机会式的方式进行接入.如何保证次用户在整个数据包传输过程中的服务质量,分析其相应传输时延性能,是目前对此类认知无线网络的研究中,一个非常值得关注的话题.集中分析了次用户系统的传输时延性能,并设计了共享多个授权信道情况下的最优接入策略.主用户和次用户系统首先各自被建模成为M/G/1排队模型.然后,将每个授权信道上主用户数据包和次用户数据包传输融合在一起进行讨论,提出一种虚拟的优先级队列模型.基于M/G/1抢占重传优先级排队理论,获得了次用户数据包传输的系统时延均值表达式.同时,基于该系统时延性能均值,讨论了共享多个授权信道的条件下的多信道接入策略设计.其被等效为一个非线性规划问题,通过经典的遗传算法,可以得到相应的全局最优解.数值结果验证了我们理论分析和接入策略设计的正确性.考虑到遗传算法的时间复杂度过高,并为了降低相应的时间开销,在实际应用中也可以采用反比例接入策略得到其近似最优解.     

用共振峰轨迹提高汉语数码语音识别性能

在汉语数码语音识别（ Ｍ Ｄ Ｓ Ｒ）中,“２”和“８”是最易混淆的一对语音。文章分析了“２”和“８”混淆的原因,发现可用于分辨“２”和“８”的区别特征在于其共振峰轨迹的差异。因此文章提出了基于共振峰轨迹的判决算法（ Ｆ Ｔ Ｂ Ｄ）来分辨“２”和“８”。实验表明,使用 Ｆ Ｔ Ｂ Ｄ 算法,使 Ｍ Ｄ Ｓ Ｒ识别率从９６０％ 提高到 ９７７％ ,“２”和“８”的识别率从 ９１％ 提高到９９％ ,消除了这对语音的混淆,提高了 Ｍ Ｄ Ｓ Ｒ 的整体性能