语音信号处理中双门限端点检测算法的改进

语音信号识别系统预处理阶段中一个关键步骤是语音信号的端点检测,其精准性直接决定了整个语音识别系统的识别效果. 传统的短时能量和短时过零率双门限检测法中后端点检测存在偏差,且在有噪声的情况下鲁棒性较差. 从动态阈值、短时平均过零率、端点修复、动态检测等方面入手,改进了双门限检测法. 优化了的端点检测算法,使得语音识别系统能够更精确地识别和提取语音,减少了语音识别时间,提高了识别率. 进一步将无用信号和语音信号完全分离开来,有利于后续语音识别的研究.     

基于连续谱特征提取的被动声纳目标识别技术

目标噪声特征提取和目标分类器设计是被动声纳目标识别系统的关键技术 .针对被动声纳目标识别 ,提出了一种新的连续谱特征提取方法 .此外 ,为了训练神经网络目标分类器 ,将遗传算法和 BP算法相结合 ,提出了一种新的自适应遗传 BP算法 .最后 ,对海上实录的三类目标噪声进行了分类识别 .实验结果表明 ,设计的被动声纳目标识别系统具有很好的分类效果     

基于统计的满文识别后处理的研究和实现

目前的技术不能使单字识别系统的识别率达到100%，单字识别系统会产生错判和拒判。因此，将满文中单词识别系统的识别信息和满文的词组信息有机的结合起来，建立满文词组和待定词集统计信息库，采用基于统计的隐马尔可夫模型的方法，利用Viterbi动态规划法求最佳路径，对满文的单字识别输出进行后处理，可以有效的提高识别系统的识别率。实验表明，单字识别系统的识别率越高，后处理的纠错能力越强。     

枪号识别系统设计

枪号识别系统是为某集团的枪支管理而专门设计的一个识别系统,主要实现了枪号的在线识别,以便于后期的管理工作。系统采用摄象头作为图象采集设备,采用框架滤波器进行滤波,并专门针对缺损字符采用了特殊的识别方法,同时采用动态模板匹配技术,取得较好的识别效果。     

一种图像目标实时识别系统

以ＴＭＳ３２０Ｃ４０为主处理器，选用不变矩为目标特征，采用以积分方法为基础的一种不变矩快速算法，对极点的计算提出了具体算法。给出了各种极占的叠加分量。并采用ＢＰ神经网络对目标进行分类，实现了一种图像目标实时识别系统。实验表明，识别效果良好。     

孤立词语音识别系统的一种实用精简算法

提出了一种以降低识别计算代价为目标的孤立词语音识别系统的设计算法．语音识别系统要求具有很强的实时性，同时应保证较好的识别率．该设计对语音信号采用了处理速度较快的时间轴和幅值上规正化的数据压缩算法，并采用加权离散度法进行识别，算法精确、简便、可靠，适合作为小型语音识别产品的主要算法．     

激光束编码的敌我目标识别及其密码器设计

为在现代电子战争中可靠地识别敌我，提出了一种基于激光束编码的合作式目标识别方法．该方法通过半导体激光器发射含有询问、应答密码信号的调制光束进行通信，完成敌我目标的主动式识别，从而解决了传统无线电识别系统抗干扰性差、精度低等问题．设计了一种以Ｍ序列为询问、应答码的密码器．解决了传统目标识别系统中密码容量不足，随机性、保密性差和抗干扰能力低等问题．给出了产生全部Ｍ序列的过程及其电路设计．试验结果证明了该方法的实用性和可靠性．     

活体虹膜识别技术的开发与分析

针对现有虹膜识别系统的不足,提出的活体虹膜识别模块结合了虹膜CCD和随动光学目标发生器,并配合简便快捷的处理算法,实现了活体虹膜识别．该技术改进了虹膜识别系统性能,加强了系统的安全和监督性。     

基于人工智能的复杂背景中目标识别方法研究

提出了一种基于人工智能的复杂背景中目标识别新方法，并据此建立了一个将自下而上与自上而下控制策略有机结合的自动目标识别系统．该系统由景像分析器和目标识别器两部分组成．实验结果表明，该方法能有效地利用并组织信息，在复杂背景条件下，无法完整地提取掩没在背景杂波中的目标时，能有效地提取和识别特定目标     

基于SQLite技术的汉语语音识别数据库的建立

建立一个适合于特定说话人识别系统的汉语语音识别数据库,对推动说话人识别技术的研究和应用具有重要意义。本文基于支持向量机的说话人识别系统研究和开发过程中,构建了一个基于SQLite技术的汉语语音识别数据库,通过LabVIEW平台来实现对数据库控制操作。采用无序列样本和语音数据库样本分别进行比对实验。测试结果表明：一方面,无论是采用该语音识别数据库样本还是无序样本对说话人识别系统的识别率没有改变,这充分说明本系统建立的汉语语音识别数据库具有高稳定性和可靠性;另一方面,采用语音识别数据库样本其系统识别时间却明显缩短,这是改善基于支持向量机的说话人识别系统性能的有效途径。     

基于DSP的手形识别系统设计

信息安全越来越受到人们的重视,手形识别是一种生物特征识别技术,其接受性好、稳定性高、简单可靠,已经广泛应用于身份识别领域。基于DSP的手形识别系统具有成本低、体积小、效率高等优点,受到人们关注。本文设计一种基于DSP的手形识别系统,介绍了手形特征提取方法,设计了以TMS320DM642为核心的手形识别系统结构和软件框架。结果表明,该系统能够准确提取手形几何特征,实现了识别功能。     

人耳识别的应用研究与实现

针对人耳具有惟一性、稳定性、可接受性等特点，介绍一种由图像捕捉、边缘检测、特征提取、模式识别等环节构成识别系统的生物个体识别技术，采用域值分割与非线性变换的方法进行人耳图像处理，建立训练样本以进行识别，达到100％识别分类。     

声控机器人的特定人孤立词汉语识别系统设计

利用语音命令对机器人的行动控制,有很大的实用价值。介绍了采用动态时间弯折(DTW,Dynamic Time Warping)算法进行模式匹配的特定人孤立词汉语识别系统。DTW算法简单有效,尤其适合孤立词语识别系统。用凌阳单片机SPCE061A搭建的机器人平台对系统进行测试,结果表明,系统识别效果良好,控制者通过语音可以实时控制机器人行动。     

一种有效的SAR图象典型目标特征提取和识别方法

在合成孔径雷达（SAR）图象中，需要对其中的人工和自然目标进行识别和分类，目标的特征提取是自动目标识别系统中的关键部分．一般图象的特征会采用颜色、纹理、形状等特征量．在SAR图象中，由于存在大量的背景噪声、目标边界模糊等问题，造成以上特征量在分类时往往不能达到很好的分类效果．作者提出了一种典型目标特征提取和分类识别方法、这种方法基于SAR成像的原理，在图象灰度阂值分割后做粗搜索分别提取灰度特征，椭圆矢量特征，以及栅格特征，然后进行SAR图象典型目标的分类识别、实验表明，这种方法效果较好．     

基于统计的满文识别后处理的研究和实现

目前的技术不能使单字识别系统的识别率达到100%,单字识别系统会产生错判和拒判.因此,将满文中单词识别系统的识别信息和满文的词组信息有机的结合起来,建立满文词组和待定词集统计信息库,采用基于统计的隐马尔可夫模型的方法,利用Viterbi动态规划法求最佳路径,对满文的单字识别输出进行后处理,可以有效的提高识别系统的识别率.实验表明,单字识别系统的识别率越高,后处理的纠错能力越强.     

基于三维轨迹的相似手势识别研究

为解决动态手势识别中相似手势识别率不高的问题,本文开发了基于Leap Motion设备的动态手势识别系统,即对采集到的所有动态手势的三维运动轨迹数据预处理后,以运动角为固定特征通过HMM模型区分出非相似与相似手势;对于相似手势,设计了基于角点数、子区域百分比、角点序号百分比、轨迹区域长宽比的二次识别系统.验证试验表明,相似手势的最终识别率高达92.56%,二次识别的平均识别率比基于HMM一次识别的平均识别率提高了17%.     

手写体汉字特征提取的研究

在手写体汉字识别的研究中，汉字的特征提取可以说是整个手写体汉字识别系统中最重要的一部分。本文针对手写体汉字特点，找到了能充分反应手写体汉字特点的三种特征井加以提取；同时提出了将汉字分解为部件来识别的观点。实验结果表明所提取的特征兼顾了提取方法的方便性和特征的稳定性；这些特征能有效地识别手写体汉字。     

移动单目相机下基于单应的动态手势轨迹识别

针对单目相机的移动会造成图像坐标系的全局运动,对手势识别中运动轨迹的观测产生影响,不能满足手势交互的应用需要的问题,建立并证明了一种基于单应的目标运动轨迹观测模型.该模型通过分析目标平面运动时相邻帧之间的射影关系,利用单应矩阵求解与特征点的重投影,求得相邻帧之间的目标相对运动矢量,得到世界坐标系下的目标运动轨迹.为验证该模型的有效性,基于该模型提出了一种利用移动相机进行动态手势轨迹识别的方法.实验结果表明:使用该方法进行动态手势轨迹识别的识别率为89%,处理速度达到72.28帧/s,在移动相机环境下保证了手势识别系统的识别率与实时性.     

基于人工神经网络的汉语数字语音识别系统

利用改进的有序聚类算法得到解决时间规整问题的新算法,在此基础上建立了基于人工神经网络的普通话数字语音识别系统。对基于人工神经网络的算法和基于动态时间伸缩的算法作比较识别实验,结果表明,基于人工神经网络的语音识别算法的识别性能优于传统的动态时间伸缩算法。     

复杂环境下基于动态贝叶斯网络的目标识别

为了提升高动态复杂电磁环境下空战过程中对目标的识别能力,针对SBN网络模型无法满足战场的动态性要求以及对目标的经常性误识别问题,设计了一种基于变结构动态贝叶斯网络的目标类型识别模型。该模型是由静态贝叶斯网络模型演变而来,具有良好的动态表达性和滤波功能,弥补了SBN的不足,并且对空战过程中目标特征信息丢失的问题有良好的容错能力。仿真结果表明,基于动态贝叶斯网络的目标识别的识别效果,优于基于参数学习贝叶斯网络的目标识别。使用该模型后目标识别的准确性提高了5%,有效地解决目标类型识别过程中数据缺失和信息不足的问题。