基于分解的自适应差分进化识别光伏模型参数

为了快速、准确和可靠地识别不同环境条件下光伏模型参数,提出了一种基于分解的改进自适应差分进化（improved adaptive differential evolution with decomposition,IADE-D）算法。在IADE-D中,首先提出了一种未知参数分解技术来降低问题的维度,减少问题的复杂性。然后提出一种改进自适应差分进化算法用于求解分解后的未知参数。为了验证所提算法的有效性,将其用于一种基于单二极管的光伏面板模型参数识别。仿真结果表明,与现有先进算法相比,IADE-D算法在准确性和可靠性上更具有竞争力。因此,可以考虑将IADE-D作为一种有效的光伏模型参数识别方法。     

听觉模型倒谱系数及其在声目标识别中的应用

针对目前广泛采用的美尔倒谱系数(MFCC)鲁棒性不足的问题,基于人类听觉模型提出了一种可用于战场声目标识别的倒谱系数. 用小波包变换代替了传统的傅里叶变换,克服了傅里叶变换在频域上单分辨率的缺陷和对噪声的敏感性. 用指数压缩替换固定的对数压缩,较好地模拟了人耳处理信号的非线性能力. 在SensIT实验数据和外场实际采集的低空目标数据上的实验结果表明：相对于经典的美尔倒谱系数,本文提出的倒谱系数在识别准确性和抗噪声能力方面都有较明显的提高．     

语音识别专利技术综述

语音识别作为一种输入手段,应用范围越来越广,从手机输入到车辆远程控制都会使用语音识别。本文通过对语音识别相关的专利数据进行统计分析,梳理了语音识别相关技术成果,对申请量、主要申请人、关键专利技术进行了分析,以期为该领域的相关研究提供建议。     

自组织特征映射神经网络用于语音识别的研究

该文提出了一种优化的自组织学习算法。基于自组织特征映射(SOM)神经网络和隐马尔柯夫模型(HMM)法,组成了一种新的语音识别系统,该系统采用SOM网络作为矢量量化器。SOM网络经过优化的自组织学习算法训练后,再用K均值聚类算法对其进行调整。实验结果表明,该文提出的语音识别方法确实能提高系统的识别率。     

基于特征结构配置的二阶动力学系统模型匹配问题

考虑一类二阶动力学系统的模型匹配问题。基于Jordan标准分解将二阶动力学系统的模型匹配问题转化为特征向量匹配问题,即设计一比例加微分控制律,使闭环系统的特征向量与目标系统的特征向量充分接近。利用二阶动力学系统的特征结构配置参数化结果,给出了匹配问题的最小二乘解及求解该匹配问题的算法。数值例子表明了该算法简单且有效。     

语音识别技术应用的进展

语音识别的研究工作可以追溯到20世纪50年代AT&T贝尔实验室的Audry系统,它是第一个可以识别十个英文数字的语音识别系统。实验室语音识别研究的巨大突破产生于20世纪80年代末,一些小词汇量的识别系统具备了较高的识别率。同时,人们终于在实验室突破了大词汇量、连续语音和非特定人这三大障碍,第一次把这三个特性都集成在一个系统中。语音识别技术获得突破的主要原因在于半导体技术、软件技术和存储技术突飞猛进的发展。一、语音识别技术的第一次发展语音技术的发展始于20世纪90年代前期,许多著名的大公司如IBM、苹果、AT&T和NTT都对语…     

模仿人耳听觉频率特性用于改进语音识别的方法

针对现有计算机语音识别的缺陷，提出一种模仿人耳听觉特性的Ｍｅｌ频率倒频谱特征，对它与现有的线性预测倒频谱特征进行实验对比研究，表明将人耳听觉特性应用于计算机语音识别，能产生更高的识别精度。     

基于空间增强和谱减法的语音识别系统

为了解决连续语音识别在自然环境中噪声估计高误差、去除噪声和语言失真不能良好平衡、导致关键词识别率低下的问题,提出了一种全新的自动语音识别系统(ASR).本系统将双通道含噪语音信号通过空间增强模块进行噪声提取,通过均衡考虑语音信号和参考噪声输入谱减法模块进行去噪与语音失真的噪声去除和信号放大,最后进入基于隐马尔科夫模型(HMM)的自适应语音信号识别模块进行识别处理.实验显示,本系统可有效减少运算负载、提高关键词识别率.     

语音识别技术在智能家居系统中的应用

随着电子技术和控制理论的发展以及人们对舒适生活的需求越来越高,越来越多的工业控制技术应用到智能家居系统当中。以单片机为核心的控制技术因在成本、体积、功能和简易性等方面占用明显的优势而被广泛采用。语音控制方式和传统的控制方式相比较不需要复杂的操作,直接对话就可以指导相应的动作,使用声音控制设备的运行已经成为人机界面设计的一种重要手段。本课题所使用的智能家居控制系统的硬件电路完成了对语音信号的采集电路、输出驱动电路、液晶显示电路、继电器控制电路等的设计。     

基于MAP算法的无教师讲者自适应的研究

提出了一种基于MAP算法的连续语音识别无教师讲者自适应方法,给出了简单有效的渐进自适应公式.通过识别实验结果表明,提出的方法能利用少量的自适应数据达到满意的学习效果,是一种实用和有效的讲者自适应方法.     

低信噪比环境下语音检测的邻域极值差分信号功率谱分维算法

提出一种邻域极值差分信号功率谱的分形维值算法,并用于低信噪比环境下的语音活动检测. 在时域信号邻域范围内作极值差分检索获得邻域极值差分信号,进一步根据差分信号功率谱估计的最小误差求解分维值.在安静环境下,对正常语音和耳语音的语音信号活动检测(speech activity detection, SAD)性能与盒维相似,明显好于谱熵算法. 多种噪声环境下的SAD检测结果显示,所提算法的误检率远低于谱熵算法,在除白噪声以外各种条件下的误检率均低于盒维算法,且计算量约为盒维算法的5%. 实验表明,该算法在SAD检测和效率两方面具有良好的综合性能.     

基于循环神经网络的汉语语言模型并行优化算法

计算复杂度高导致循环神经网络语言模型训练效率很低,是影响实际应用的一个
瓶颈. 针对这个问题,提出一种基于批处理(mini-batch) 的并行优化训练算法. 该算法利用
GPU 的强大计算能力来提高网络训练时的矩阵及向量运算速度,优化后的网络能同时并行处
理多个数据流即训练多个句子样本,加速训练过程. 实验表明,优化算法有效提升了RNN 语
言模型训练速率,且模型性能下降极少,并在实际汉语语音识别系统中得到了验证.     

AR模型功率谱估计常用算法的性能比较

功率谱估计是分析随机信号的一种重要方法．通过分析AR模型功率谱估计,介绍AR模型参数提取的L-D算法、Burg算法和Marple算法,并利用计算机仿真比较三者的性能．     

一种基于聚类的RBF神经网络模型

应用于工程中的径向基函数(RBF)神经网络模型,当训练样本量很大时常存在训练学习速度慢和拟合精度不高的问题.针对这一情况提出了一种基于聚类的RBF神经网络(BC-RBFNN)模型.该模型首先通过对训练样本进行聚类分析,将其分为不同的类,接着根据每类的训练样本构造一个RBF子网并获取其相关参数,接着再将各个子网组织成一个BC-RBFNN模型.通过对其进行理论分析和性能检验试验,结果表明该模型能加快网络训练学习速度,缩小的模型规模,提高网络的预测精度.     

一种基于Socket通信模型的JAVA语言实现

本文对基于Socket的编程方法进行了描述，并给了客户／服务器程序的JAVA语言实现的总体框架。     

2519铝合金本构关系的人工神经网络模型

2519铝合金足一种新型的装甲材料，变形时，各热力学参数之间存在着非常复杂的非线性关系，采用Gleeble 1500热模拟机上圆柱体轴对称高温压缩试验数据建立了该合金本构关系神经网络模型，利用所建立的网络模型对其它一些热力学状态下材料的流变应力进行了预测，实验结果表明：在目标函数为0．2、隐层节点数为5、学习率为0．1时，预测数据与实验数据吻合良好，系统误差较小(拟合度为2．6％)，表明已形成了一个知识基的本构关系模型。     

基于升力面混合模型的水平轴风力机性能研究

提出了叶素方法（BEM）与升力面法相结合的一种新型混合模型．将叶片用一平面代替,并在叶片平面上采用压力跳跃边界条件,混合模型将CFD解算器与叶素方法（BEM）联合起来进行迭代求解,首先采用BEM模块根据入流条件和叶片各段面翼型的气动参数确定叶片上的不连续分布压力,然后采用CFD模型根据压力分布计算叶片上的力和转轮的流场尾迹结构等流场参数,CFD计算得到的流场参数再应用到BEM模块进行计算．每次迭代得到的流场参数与上次得到的值进行比较,残差达到要求则迭代过程结束．将该混合模型用于求解NREL第6期风力机出力性能,并与试验结果对比,得到了满意的效果．