基于稀疏谱的鲁棒说话人识别

环境失配问题严重影响着说话人识别的性能,这一问题在非平稳噪音条件下表现得更为显著.为了增强说话人识别在环境失配条件下的鲁棒性,基于稀疏表示提出了一种高维鲁棒语音特征的生成方法,并针对上述高维语音特征的稀疏特性提出了一个说话人模型.在该说话人识别方法中,首先以优化的联合基作为稀疏表示的基,在此基础上对信号进行分解,用于从带噪语音中剥离噪音成分,并从中提取语音信号的内蕴时频结构;之后在此基础上提出了一种鲁棒的稀疏谱语音特征,并根据该特征的高维稀疏特性给出了基于混合k-means的说话人模型.实验结果显示,与基于梅尔倒谱系统特征的基线系统相比,提出的说话人识别方法在NIST SRE-2003语料库条件下的等错误率下降了28.16%,在Chinese-863语料库和不同信噪比(5dB和0dB)的非平稳汽车噪音环境下的等错误率分别下降了9.84%和14.21%.上述结果表明,在环境失配情况下,提出的说话人识别方法的性能明显优于基于梅尔倒谱系数特征的基线系统.     

随机子空间方法结构模态识别的数值仿真

随机子空间识别(SSI)在土木工程结构中是基于环境激励的一种模态参数的识别方法,该方法对环境激励信号要求为零均值白噪声信号.基于商用程序Ansys对一简支梁在环境激励下的动态响应进行仿真模拟,根据该梁的结构响应信号利用SSI方法实现该梁的模态参数识别.     

基于依存语义注意力的词对上下位关系识别

针对现有上下位关系识别方法未能充分挖掘利用词对共现句中上下位关系语义的问题,提出一种基于依存语义注意力的词对上下位关系识别方法．利用词对共现句最短依存路径的路径向量训练Softmax分类器进行上下位关系识别,引入依存语义注意力机制,构建最短依存路径的注意力权重向量和路径评价函数,更细粒度挖掘和表示不同词和不同路径对上下位关系语义的不同贡献,从而更充分利用精细语义特征实现更准确的上下位关系识别．结果表明：相比HypeNet和NPM等代表性方法,本方法在中文和英文实验数据集上的识别准确率分别可提高2.0%和1.3%,且识别性能更稳定．     

工程结构模态的连续型随机子空间分解识别方法

环境振动识别方法利用结构的输出信号识别结构的模态参数,主要的识别方法有时间序列分析法、ERA(eigensystem realization algorithm)法和随机子空间法,这些方法均基于离散模型．基于连续随机子空间模型,本文给出了一种识别大型工程结构模态参数的方法．运用SVD(singular value decomposition)分解将含噪声的输出信号空间分解为信号空间和噪声空间,然后直接估计结构的模态参数．SVD分解保证了算法的鲁棒性．最后讨论了一个7层框架的理想建筑,仿真计算表明,该方法简单有效,能够使用在桥梁和建筑的健康监测和振动控制中．     

水下冲激噪声环境下基于多特征融合的信号调制方式识别

通信信号调制方式的识别在水下通信系统中发挥着重要作用,但目前在传统理论基础上建立起的高斯白噪声环境下的识别方法在水下冲激噪声背景下的识别仍存在困难.针对这一问题提出了水下冲激噪声环境下多特征融合的调制方式识别方法.利用Alpha稳定分布建立水下冲激噪声的模型,提出了基于指数函数的非线性变换方法消除部分冲激噪声的信号预处理方法;对预处理后的信号提取频域的盒维数特征、信号包络的样本熵特征以及Stockwell变换(S变换)域能量熵特征,构成多特征向量进行融合识别.对3个种类和数量不同的调制信号集进行仿真实验,结果表明,多特征融合识别的方法在水下冲激噪声环境下较单一特征识别性能更好,对Alpha稳定分布的特征指数在1~2之间时,该方法具有稳定性.同时通过对比仿真发现,非线性变换预处理显著地提高了算法性能,且多特征融合的调制识别方法的性能明显优于单特征方法,可识别的信号种类更多.     

基于组合神经网络的语义省略“的”字结构识别

针对语义省略“的”字结构识别任务, 提出一种基于组合神经网络的识别方法。利用词语和词性, 通过双向LSTM (long short-term memory)神经网络, 学习“的”字结构深层次的语义语法表示。通过Max-pooling层和基于GRU(gated recurrent unit)的多注意力层, 捕获“的”字结构的省略特征, 完成语义省略“的”字结构识别任务。实验结果表明, 所提模型在CTB8.0(Chinese Treebank 8.0)语料中, 能够有效地识别语义省略的“的”字结构, F1值达到96.67%。     

水电站厂房结构模态参数的遗传识别方法

环境激励下结构模态参数的时域识别方法是近年来的研究热点,水电站厂房结构一般规模巨大,常规的激励方式会对结构产生不良影响．此外,由于噪声的干扰往往产生众多虚假模态．由于机组停机过程中环境激励响应较易获得,提出一种基于遗传算法的结构模态参数识别方法,采用多信号分类法进行信号定阶．运用该方法通过模拟信号对其进行验证．并将其应用到水电站厂房结构的模态参数识别中．结果表明,该方法能够有效准确地识别出结构的自振频率和阻尼比．     

环境风险评价中风险识别方法的探讨

通过对风险物质和生产设施的风险识别过程分析,结合应用实例,探讨风险识别的技术方法,说明识别方法的应用,提出了可供借鉴的环境风险评价中风险识别程序和方法。     

基于apFFT的罗兰-C信号相位编码识别

针对现有罗兰-C接收机普遍采用锁相环硬件电路跟踪相位的情况,提出了利用全相位谱分析(apFFT)的罗兰-C信号相位编码软件识别方法,分析了罗兰-C载波信号初相位的apFFT识别原理,基于apFFT方法用Matlab对罗兰-C接收信号在噪声和载波干扰等情况下的初相位识别进行了仿真.结果表明,apFFT方法既能像FFT一样分析出干扰频率成分,又能识别出各频率成分的初相位,尤其信干比在-20 dB情况下仍可准确地识别出罗兰-C载波信号初相位,为增强型罗兰接收机的设计提供了一种新的相位编码识别方法.     

激励信号特征对随机子空间方法结构模态识别的影响

利用MATLAB软件产生不同分布特征的白噪声激励信号,基于商用程序ANSYS对一简支梁在环境激励下的动态响应进行仿真模拟,根据该梁的结构响应信号利用SSI方法实现其模态参数识别,分析了不同白噪声激励信号的离散程度和零均值误差对SSI模态参数识别方法的影响.