基于HMM和小波网络模型的抗噪语音识别方法

提出一种隐马尔可夫模型(HMM)和小波神经网络(WNN)混合模型的抗噪语音识别方法。该方法首先利用HMM对语音信号进行时序建模，并计算出待识语音对HMM的输出概率评分，再将此概率评分作为小波神经网络的输入，获取分类识别信息，最后根据混合模型的识别算法作出识别决策。实验结果表明，在噪声环境下，由于HMM的强时序建模能力和小波神经网络的强模式分类能力，该混合模型比单纯HMM具有更强的噪声鲁棒性，明显改善了语音识别系统的性能。     

基于GA-AHMM的联机手绘图形识别技术

提出了一种遗传算法(geneticalgorithm,GA)和自适应隐马尔科夫模型(hiddenMarkwmodel,AHMM)混合的联机手绘图形识别方法。由于隐马尔科夫模型(HMM)的训练本质上是一种梯度下降的优化方法,算法易陷入局部最优,影响了其应用。为此,采用GA训练HMM模型参数,并给出了GA和HMM的两种混合训练方式:前端GA HMM模型和内嵌式GA HMM模型,GA算法能随机地调整HMM模型训练的初始值,使HMM跳出局部最优,较好地克服了HMM训练容易陷入局部最优的问题。另外,采用带有反馈环节的闭环AHMM代替传统的开环前向HMM模型对手绘图形识别,改善了HMM的自适应能力,显著提高了对图形的识别率和识别速度。试验结果证明了方法的有效性。     

基于联合时频特征和HMM的多方位SAR目标识别

研究了联合时频特征和隐马尔科夫模型(hidden Markov model, HMM)的多方位合成孔径雷达(synthetic aperture radar, SAR)目标识别方法。利用HMM模型可以有效地对多方位SAR目标特征分析及识别。在HMM多方位SAR目标识别中的关键之一是SAR目标回波高分辨率距离像(high resolution range profile, HRRP)的特征提取。提出了一种时变频因子加权Fisher鉴别的特征提取方法。利用MSTAR实测SAR目标数据集进行了特征提取和识别实验,实验结果验证了方法的有效性。     

基于RBF-HMM模型的时间序列在线预测

针对非线性非高斯时间序列,提出观测噪声服从隐马尔可夫模型(HMM)的径向基函数(RBF)神经网络预测模型—RBF-HMM模型,该模型具有如下两个特点:(1)用隐节点数可变的RBF神经网络对时间序列进行非线性建模;(2)用HMM对非高斯噪声进行建模.并采用序列蒙特卡罗(SMC)方法实现RBF-HMM模型参数的动态调整和时间序列的在线预测.最后采用南京禄口国际机场日旅客吞吐量数据进行实证研究,结果表明该模型的有效性.     

基于通信域和雷达域融合特征的无人机集群类型识别算法

目前已有无人机类型识别算法仅通过通信域或雷达域的信号特征实现单个无人机类型的识别，存在识别准确率低等问题。提出了一种基于通信信号和雷达信号融合特征的无人机集群类型识别算法。首先，提取集群通信信号的高阶累积量和瞬时特征统计量，并融合雷达航迹特征构建无人机集群特征矩阵。其次，提出一种改进的特征选择算法—二次筛选的近邻成分分析，对融合特征矩阵进行降维。最后，利用稀疏自编码器网络进行集群类型的识别。仿真结果表明，该算法显著降低了集群特征矩阵的维度(仅为原始矩阵维度的27%),同时在信噪比为0 dB时，对5种集群类型识别的正确率可达88%。     

可配置的热点路径动态剖析器的硬件实现

动态路径剖析技术能够在程序运行时识别其中频繁执行的代码块,从而指导程序的性能优化,在指令集扩展和动态二进制翻译等研究中都有着重要的应用。在对路径优化技术研究的基础上,提出一种适用于不同体系结构的简单高效的剖析器硬件实现方案(configurable hardware dynamic path profiler,CHDPP)。CHDPP能够与目标处理器低耦合地工作,通过识别程序中的分支指令来完成路径剖析并存储热点路径信息。实验结果表明,该方案在占用少量硬件资源的情况下能够高效地完成路径剖析,获得准确度高达94.1%的热点路径数和97.7%的热点路径相关信息。     

一种新型多无人机系统体系结构的设计

针对多无人机系统(multi-UAV system)的特点和执行作战任务的需要,对多无人机系统的体系结构进行了初步研究,先提出功能需求和设计原则,然后给出一种新型多无人机系统体系结构的详细设计方案。在该体系结构下,所有的无人机物理上平等,没有哪一架无人机是不可缺少或不可替代的。该体系结构实现了在动态变化的战场环境下,无人机可以根据当前任务情况自主组建动态团队和子团队,无人机在团队框架下协作完成预定任务。团队中的无人机自主选举出团队领导,由团队领导对整个团队或子团队进行逻辑上的集中管理。最后对该体系结构实现中存在的几个问题进行分析并给出解决办法。设计过程表明,该体系结构能够满足所提出的功能需求。     

基于深度强化学习算法的无人机智能规避决策

为提升无人机在复杂空战场景中的存活率，基于公开无人机空战博弈仿真平台，使用强化学习方法生成机动策略，以深度双Q网络(double deep Q-network, DDQN)和深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法为基础，提出单元状态序列(unit state sequence, USS),并采用门控循环单元(gated recurrent unit, GRU)融合USS中的态势特征，增加复杂空战场景下的状态特征识别能力和算法收敛能力。实验结果表明，智能体在面对采用标准比例导引算法的导弹攻击时，取得了98%的规避导弹存活率，使无人机在多发导弹同时攻击的复杂场景中，也能够取得88%的存活率，对比传统的简单机动模式，无人机的存活率大幅提高。     

可重定向的定制指令集处理器(ASIP)仿真技术研究

可重定向的定制指令集处理器(ASIP)仿真技术能够提高软硬件开发的协同程度,缩短ASIP的上市时间,是目前ASIP设计方法领域的研究热点之一。提出了一套基于ASIP模型(xpMODEL)的可重定向仿真技术,xpMODEL是一个具有三层架构的ASIP仿真模型,该模型以指令为核心,在支持ASIP的复杂流水机制、多层次并行、专有硬件等特点的同时,能够保证体系结构层精确的仿真。根据xpMODEL的三层架构,仿真器对指令的行为和微结构的操作进行了仿真,并利用ASAP的策略控制xpMODEL中指令的调度与操作时序的仿真,从而实现了仿真器的可重定向性。基于xpMODEL的可重定向仿真技术在支持仿真的精度、仿真复杂度和可重定向性实现的复杂度方面都优于现有可重定向仿真技术,具有广阔的应用前景。     

基于HMM-EGARCH的银行间同业拆放利率市场波动预测研究

针对中国金融市场呈现出的多波动状态的典型事实特征,以上海银行间同业拆放利率(Shibor)市场为研究对象,不仅引入隐马尔可夫模型(hidden Markov model,HMM)对其进行了波动状态预测,而且还引入HMM-EGARCH模型对其波动率进行了预测;最后使用成功率(success rate,SR)与平均绝对误差(mean absolute error,MAE)对预测波动状态进行检验,并且还采用标准统计误差函数对预测波动率进行检验.实证研究表明:高低两种波动状态就能够有效地刻画出Shibor市场的波动状态;HMM模型能够对Shibor市场进行较准确地波动状态预测,且更重要的是,HMM模型对高波动状态预测具有显著的优越性;HMM(2)-EGARCH模型能够有效地对Shibor市场进行波动率预测.     

基于隐马尔可夫模型的动态规划检测前跟踪算法

传统的动态规划检测前跟踪(dynamic programming track-before-detect, DP-TBD)算法能有效实现对匀速直线运动目标的检测跟踪,但其忽略了目标帧间状态转移概率,因此在对机动目标进行检测跟踪时容易受噪声干扰,产生错误的状态关联。对此提出了一种基于隐马尔可夫模型的DP-TBD算法。该算法利用隐马尔可夫模型对目标的运动过程建模,用一系列隐状态表示目标转弯速率并利用隐马尔可夫模型的隐状态估计理论实现对转弯速率的估计和预测,进而得到当前目标状态的预测值,根据此预测状态与下一时刻回波数据分辨单元间的距离来计算转移概率。然后将转移概率应用于DP-TBD算法的能量积累过程中以提高检测跟踪性能。仿真实验基于机动目标,给出了所提算法的检测跟踪性能,并与传统的DP-TBD算法、方向加权DP-TBD算法以及线性最小二乘DP-TBD算法进行了分析比较,验证了该算法的有效性。     

基于谐波自相关的基音检测

在分析短时自相关法的基础上,探讨了使用谐波自相关方法进行基音频率提取。首先根据语音信号建立谐波自相关模型,通过最小二乘法提取基音谐波频率。然后根据基音谐波频率建立一个周期单位脉冲序列函数,用该函数加权短时自相关函数计算谐波数。最后利用提取的基音谐波和相应的谐波数目进行基音频率估计。实验表明在较低信噪比时,谐波自相关法基音检测错误率为5.0%,比自相关法降低了13.6%。     

基于LS-SVM的导弹在线误差补偿逆控制

提出一种基于最小二乘支持向量机(least square support vector machine, LS-SVM)在线误差补偿非线性动态逆控制器设计方案。首先运用动态逆的双阶段设计方法设计了导弹的逆控制器,即第一阶段采用动态逆方法设计快回路控制器实现对滚转、偏航和俯仰三个通道角速度的跟踪;第二阶段实现慢回路对滚转角、侧滑角和攻角的跟踪;然后,设计LS-SVM在线补偿器,以增强导弹控制系统的鲁棒性。通过仿真分析,验证了该方法的有效性。     

高超声速飞行器新型攻角约束反演控制

针对考虑攻角约束的高超声速飞行器控制问题,提出一种受限指令滤波器与预设性能方法相结合的反演控制方案.首先,从高超声速飞行器运动模型中划分出高度子系统并基于反演控制方法设计控制器.为了解决攻角约束问题,构造受限指令滤波器对攻角虚拟指令限幅并保证指令的可导性.然后,利用预设性能方法预先设定约束范围,保证攻角跟踪误差始终满足...     

基于虚拟长机的无人机侦察编队控制方法

针对使用多无人机编队对周边区域实施协同侦察任务的协同控制问题,提出了以虚拟长机为编队航迹引导的分布式编队控制方法。该方法基于编队通信拓扑的分布性,以“相邻”无人机为参考估计长机状态,然后设计无人机编队的分布式线性化反馈控制器。仿真实验表明,在无人机编队沿阿基米德螺旋线实施侦察的过程中,该控制器能够使多无人机形成期望队形,并维持其稳定,同时减小编队队形误差,实现对侦察航迹的高精度跟踪。     

基于辅助信标的无人机协同目标跟踪

针对无人机姿态角误差与观测误差影响目标定位精度问题, 构建基于辅助信标的无人机协同目标跟踪模型, 提高了对目标的定位精度。提出基于辅助信标的姿态校正方法, 利用辅助信标的精确位置实时校正无人机的姿态角, 减小姿态角误差对定位精度的影响。根据双无人机的最优观测构型, 设计双无人机协同控制律, 得到无人机观测的优化轨迹, 以提高无人机对目标的观测质量, 最后采用容积卡尔曼滤波算法得到目标的状态估计。仿真结果表明该算法能有效减小无人机姿态角误差和观测误差对目标定位的影响, 提高目标跟踪精度, 具有一定的工程应用价值。     

IRS与人工噪声辅助的MIMO通信系统物理层安全方案设计

针对多输入多输出通信系统信息传输过程中的安全问题, 提出一种智能反射表面(intelligent reflecting surface, IRS)与人工噪声辅助的物理层安全设计方案。在该方案中, 首先基于系统保密速率最大化准则, 构建一非凸优化问题。由于该问题求解需联合优化设计基站波束赋形矩阵、人工噪声协方差矩阵及IRS相移矩阵，为易于求解, 基于均方误差准则, 对非凸目标函数进行等价转换。最后, 以交替迭代方式分别利用内点法和基于黎曼流形的共轭梯度下降算法, 求解波束赋形矩阵和人工噪声协方差矩阵以及IRS相移矩阵。仿真结果表明, 所提方案的系统保密速率在发送端具有较高的发送功率时, 优于其他几种方案。     

语音转换技术在电话语音识别中的应用研究

提出了一种用语音转换技术改善电话语音识别性能的方法。通过模拟真实电话信道条件下影响语音质量的各种因素，实现由纯净语音到电话语音的转换。识别试验利用模拟电话语音评估了HMM识别器做MLLR自适应前后的性能．实验数据显示，自适应前由转换语音训练的模型识别率比由纯净语音训练的模型识别率增加了18．9％，而自适应试验表明，由转换语音训练而成的模型在MLLR自适应后，系统识别性能进一步得到改善，识别率增加了5．8％。识别实验表明所提语音转换方法可以减小由于真实电话语料缺乏而造成训练语音和测试语音声学性质的不匹配，从而有效地改善电话语音识别系统的性能。     

基于模糊聚类和专家评分机制的无人机多层次模块划分方法

本文基于初步划分-综合评价-精准划分的多层次递进模块划分架构, 为模块化无人机设计中模块划分提供可信、有效的方法。以提升模块划分结果的可信度为目标, 在模块划分指标评价中引入基于专家信度的评分机制, 形成了基于模糊聚类和专家评分机制的多层次模块划分方法。以一次性、可重复使用无人机为例, 采用本文提出的模块划分方法, 进行零部件聚类并形成模块划分方案。由模块划分结果可知, 本文模块划分方法可对不同模式的无人机获得符合其使用特点、可信的模块划分方案, 进而验证了方法的合理性和有效性。     

新型六旋翼飞行器的轨迹跟踪控制

针对新型六旋翼飞行器,提出一种轨迹跟踪控制策略。首先,给出了六旋翼飞行器的运动学模型和动力学模型,同时给出存在复合干扰情况下的运动学模型,并提出了一种新的复合干扰估计算法,该算法是由干扰估计误差驱动而非传统的状态跟踪或者预测误差。随后,设计了飞行器动力学和运动学模型的backstepping控制器,在动力学模型的控制器设计中将指令滤波和线性跟踪微分器用于其中,以提高系统对控制指令的响应速度。最后,通过仿真验证实验,验证了所提干扰估计算法和轨迹跟踪策略的正确性和有效性。