美国人效能增强技术发展应用

 美国一直在进行士兵“超级”能力方面的研究，采用多项举措推动人效能增强技术发展。从顶层战略设计、科研机构任务、经费持续投入3个方面对美国人效能增强技术发展特点进行了综合分析，概述了美国人效能增强技术在体能、技能、智能等领域研究成果与进展，并分析了美国人效能增强技术的发展趋势和可能导致的社会伦理学问题。     

目标边缘特征增强检测算法

针对分组角点检测网络在目标检测过程中,由于目标尺寸过小或同类目标空间距离较小而导致检测失效的问题,提出一种边缘特征增强的CornerNet目标检测算法OEC。该算法通过分离特征的高低频信息提取更多的高频信息,增强目标的边缘轮廓特征,解决关键点定位不准确的问题,提高目标的框定效果,进一步提升检测精度。仿真结果表明,该算法对行人、车辆等目标检测效果均有提高,在COCO数据集上的检测结果与CornerNet相比,mAP提高0.9%,可应用于无人驾驶与智能机器人等场景。     

导航信号功率增强对阵列接收机的影响分析

为了分析低轨导航增强系统中信号功率增强对阵列接收机的影响, 提出一种信号传播与阵列接收机的数学模型, 基于该模型分析了功率增强条件下最小均方误差算法与直接矩阵求逆算法对抗干扰性能的影响。根据理论分析与仿真实验, 增强信号对最小均方误差与直接矩阵求逆的影响相似, 当信号增强量在15 dB以下时, 阵列抗干扰对信号的影响较小；随着信号功率进一步增强, 增强信号被识别为干扰并进行了抑制；当信号的信噪比增强到10 dB时, 增强信号被抑制约15 dB。研究结果表明, 在采用传统阵列抗干扰方法的情况下, 信号功率的增强并非越大越好, 信号功率增强15 dB时对传统阵列抗干扰的影响较小。     

语言符号任意性原则视角下的辞格应用--以莫言《蛙》为例

修辞手法的使用是一种语用行为。将索绪尔任意性原则与《蛙》中辞格建立有效的联系，依据能指—所指理论对修辞进行剖析，可以进一步丰富该理论，有助于分析作者使用的修辞手法。所作的具体阐述表明，辞格的应用是建立在绝对任意性下的相对任意性的联系。     

HTK参数对普米语孤立词识别率的影响

普米语是一种无文字的少数民族语言,目前已处于濒危状态,建立语音语料库及开展语音识别研究是保护和传承普米语的重要手段.基于HTK的语音识别中,参数的选取对不同语言的识别率有很大的影响.针对MFCC维数、HMM状态数及GMM个数这3个参数对普米语的识别率进行研究,结果表明:普米语语音识别的最佳MFCC维数为13维,最佳HMM状态数为8个,最佳GMM个数为3个.     

基于透射率优化和颜色修正的水下图像增强方法

针对光在水中传输时受到水的吸收作用、悬浮颗粒散射作用而产生严重的衰减,导致水下光学图像对比度低、颜色失真的问题,提出一种基于透射率优化和颜色修正的水下图像增强方法。根据水下光学成像模型,采用最小信息量损失原理估计透射率,结合导向滤波提高透射率的估计精度,通过逆求解水下成像模型得到清晰化的水下图像。利用直方图均衡化进一步提高图像对比度,使用白平衡方法修正颜色。实验结果表明,该方法能够有效去除由后向散射引起的模糊,提高图像对比度和清晰度,同时修正色彩不平衡。     

基于WGAN的语音增强算法研究

带噪语音可看成由独立的噪声信号和语音信号经某种方式混合而成,传统语音增强方法需要对噪声信号和干净语音信号的独立性和特征分布做出假设,不合理的假设会造成噪声残留、语音失真等问题,导致语音增强效果不佳。此外,噪声本身的随机性和突变性也会影响传统语音增强方法的鲁棒性。针对这些问题,使用生成对抗网络来对语音进行增强,给出一种基于Wasserstein 距离的生成对抗网络(Wasserstein generative adversarial nets, WGAN)的语音增强方法来加快训练速度和稳定训练过程。该方法无需人工提取声学特征,且使语音增强系统的泛化能力得以提升,在匹配噪声集和不匹配噪声集中都有良好的增强效果。实验结果表明,使用训练出的端对端语音增强模型后,语音信号的客观评价标准(perceptual evaluation of speech quality,PESQ)平均得到23.97%的提高。     

基于元学习的语音识别探究

目前,高准确率的语音识别需要在大规模语料库上进行学习才能获得,然而大规模语料库的构建成本较高,某些语言很难采集到充足的语料,因此,基于小规模语料库的语音识别已成为目前挑战性的研究问题.元学习是模仿人类利用已有经验快速学习新知识的机器学习方法,在机器视觉单样本学习任务中表现出明显的优势,已成为新的机器学习研究热点.将元学习应用于单样本语音识别是解决基于小规模语料库语音识别这一挑战性问题的有效途径,在TIMIT和佤语数据库上,开展了基于Reptile元学习算法的单样本孤立词语音识别研究.实验结果表明,该算法能有效地提升模型收敛速度与泛化精度,从而提升了模型的学习能力,说明元学习方法有助于解决小规模语料语音识别这一挑战性问题.     

融合SS、MFCC和PMC技术的语音去噪方法

为提高语音识别系统在噪音情况下的识别率,提出了一种融合信号级去噪、参数级去噪、模型级去噪的方法.首先用谱减法对带噪的语音信号进行去噪,再利用Mel倒谱系数(MFCC)对处理后的语音信号进行特征提取,最后经过并行模型结合处理法(PMC)处理得到较高识别率的语音信号.     

基于小波变换的图像增强算法

根据小波的时频特性及多分辨率特点,提出了一种基于小波变换的图像增强算法,对图像小波变换得到不同分辨率下表征图像低频及高频信息的小波系数,对小波系数单支重构,对各分辨率下低频单支重构信息分段线性增强并线性叠加,增强图像低频轮廓;对各分辨率下高频单支重构信息分段线性增强并线性叠加,增强图像边缘。实验结果表明:算法具有很高的灵活度,既可以实现对图像轮廓的增强,也可以实现对图像边缘的增强。