基于多向切片中点的快速图像细化算法

在对几种常用细化算法进行探讨之后,提出了利用骨架上的像素点至少在某个方向上应处于该方向对象边界的中心点处的特点,从多个方向对细化对象进行切片,并利用这些切片中心点集作为原始数据集,以快速产生对象骨架的方法.实验结果表明,本算法与基于击中-击不中方式和最大圆盘方式的算法相比,具有复杂度低,运算时间少的特点.     

基于势能平衡的图像骨架抽取算法

基于骨架的基本特征和势能的概念，提出了一种基于势能平衡方式的二值图像骨架抽取算法．将抽取对象的边缘点作为零势能的等势点，计算出处于势能平衡点上的基本骨架点，并据此通过向势能小处延伸的方式构建出骨架，还解决了由于各点周围参考零势能点数量不同而带来的各点势能值间难以比较的问题。通过计算机模拟显示，本算法对于边界噪声影响不太敏感，且在端点处的畸变比最大圆盘方式小。     

一种基于语音分类的清晰度客观评价算法

为了能方便、快捷、可靠地对失真语音进行语音清晰度性能评价,提出了一种基于语音分类的加权巴克谱失真语音清晰度客观评价算法SC-WBSD.该算法提出在巴克域中对清音帧、浊音帧及过渡音帧巴克带谱失真进行加权来求失真语音的客观失真测度.通过分析 3类语音的巴克谱失真测度与DRT分的相关程度,提出一组以相关系数的幂次方为权重的有效SC-WBSD权重矢量.实验结果表明,SC-WBSD方法和DRT分的相关度达到了0.924 73,与巴克谱失真测度算法相比提高了4%.     

深度学习中对比散度算法的有偏性分析

为了给对比散度算法的进一步优化提供理论指导,尝试从理论上分析对比散度算法的收敛性。首先从仅含4个结点的玻尔兹曼机入手,利用单纯形表征模型的概率空间,以及流形表征概率空间与模型参数的关系,形象地表示了对比散度算法和极大似然算法的收敛过程,并从理论上推导出对比散度算法的收敛集与极大似然算法的收敛集之差不为空,从而证明了对比散度算法的有偏性。基于该结论,设计了一种先利用对比散度算法进行预训练,再利用极大似然算法调优的训练策略。实验结果表明,在应用该策略获得同等收敛效果的条件下,训练迭代步骤降低了83.3%。     

一种高效的线谱对参数分段量化方案

为了适应300 b/s以下超低速声码器的需要,提出了一种基于离散余弦变换DCT高效的线谱对参数分段量化方案--DCTSQ(discrete cosine transform segment quantization)方案.采用分段量化的思想,针对语音分段后提取出的线谱对参数矩阵维数不固定问题,对维数转换进行优化分析并利用DCT实现.在此基础上,推导出了DCTSQ方案的码本设计方法.仿真结果表明,相对于目前的分段量化方案和矩阵量化方案,DCTSQ方案可有效提高LSP参数量化效率.     

大范围无线电干涉定位系统

针对无线电干涉定位系统（RIPS）受模糊解问题的制约,难以适用于大范围稀疏布设的无线传感器网络的缺点,提出了一种两频率间隔配置方法（two frequency intervals method,TFIM）.通过理论和仿真分析,得到RIPS定位精度与测量频率数及测量系统占据的总带宽的平方成正比的结论.仿真与实验结果表明：在相同的测量频率数和带宽条件下,TFIM可以在保持定位精度的同时显著扩大节点的布设距离,克服了大距离布设时的系统定位精度不高的问题,拓展了RIPS的应用范围.     

基于正弦模型的语音识别时频特征

为改善语音识别系统的性能，采用时频分布参数来描述语音特征。由于时频分布参数考虑到语音信号内在的非平稳特性，因此能够更准确地描述语音信号的时频特性。对基于正弦模型的多种时频参数(能量谱和幅度加权瞬时频谱)进行了比较，并在基于隐马尔可夫模型的连接词语音识别系统中进行了实验仿真。结果表明，单独采用时频分布参数作为ASR的前端特征并不能改善识别率；而采用标准ASR特征和能量谱时频特征的联合前端特征，可以有效地改善语音识别系统的识别效果。     

时频分区扰动实现音频分类对抗样本生成

现有方法生成的音频分类对抗样本(adversarial example, AE)攻击成功率低,易被感知。鉴于此,设计了一种基于时频分区扰动(time-frequency partitioned perturbation, TFPP)的音频AE生成框架。音频信号的幅度谱根据时频特性被划分为关键和非关键区域,并生成相应的对抗扰动。在TFPP基础上,提出了一种基于生成对抗网络(generative adversarial network, GAN)的AE生成方法TFPPGAN,以分区幅度谱为输入,通过对抗训练自适应调整扰动约束系数,同时优化关键和非关键区域的扰动。3个典型音频分类数据集上的实验表明,与基线方法相比,TFPPGAN可将AE的攻击成功率、信噪比分别提高4.7%和5.5 dB,将生成的语音对抗样本的质量感知评价得分提高0.15。此外,理论分析了TFPP框架与其他攻击方法相结合的可行性,并通过实验验证了这种结合的有效性。     

基于字典学习的LSP参数稀疏表示及性能分析

为了研究LSP的稀疏表示方法,高效量化LSP参数,基于字典学习对LSP参数进行稀疏表示,并采用MOD和K-SVD算法训练参数字典,以平均谱失真和均方根误差为准则,通过仿真实验分析了算法的有效性,得出了字典学习时的稀疏度、原子个数等关键参数选取的原则。对比训练和测试LSP参数均方根误差性能曲线发现:随着稀疏度的增加,LSP参数字典外推能力增强,对训练集外参数稀疏表示性能恶化逐步减弱。     

基于DEA的协调聚类方法

对基于DEA的协调聚类的基本理论及其改进进行介绍并给予补充,并用此方法对北疆8个城市的经济发展状况进行评价.最后将其与因子分析法对比,发现它们各有长短.