分组语音流的流体流动模型

语音信息在基于ATM信元传输的宽带综合业务网中的传输是极大区别于以往的电路交换技术的，也是不同于主要用于传输数据的分组交换网的，介绍了一种用于模拟ATM网中的分组复用语音流传输的模型，流体流动模型，并用这种模型对语音传输中的信元丢失率进行了计算和研究，最后得出了结论。     

基于令牌桶阵列的DDoS流量过滤

为了提高分布式拒绝服务攻击(DDoS)流量过滤的性能,同时保证过滤的正确率,提出一种基于Poisson流随机分解模型的分类方法。该方法根据报文特征对流量进行分解后,基于2类流量的流速比随机判定报文的类别。设计了一个基于令牌桶阵列(TBA)的实现方案,不需要实时估计攻击流的参数,有效提高了过滤的性能。理论推导表明:Poisson流随机分解模型的理论错误率上限为最大后验概率判决法错误率上限的2倍,TBA在过滤突发性强的攻击报文时错误率会进一步下降。实验结果表明:TBA的过滤效果和NB(naive Bayes)方法相当,过滤突发性攻击流时错误率低于NB方法。     

分组语音流的流体流动模型

语音信息在基于 ATM信元传输的宽带综合业务网中的传输是极大区别于以往的电路交换技术的 ,也是不同于主要用于传输数据的分组交换网的。介绍了一种用于模拟 ATM网中的分组复用语音流传输的模型 :流体流动模型。并用这种模型对语音传输中的信元丢失率进行了计算和研究 ,最后得出了结论     

电话语音的多说话人分割聚类研究

为了提高电话多人语音中提取的单人语音纯度,即多说话人分割聚类处理的性能,该文在传统的分步分割聚类算法机制上增加了重分割处理,提出逐级算法增强处理机制: 在分割部分,该文提出了一种基于Bayesian信息准则的分割算法,融合基于不同距离测度检测得出的分割点提高了分割点检测率;在聚类部分提出了基于BIC和交叉似然比准则(CLR)的分层聚类算法;在重分割部分引入和改进了进化隐Markov模型算法精化分割结果.该文在美国国家标准技术局(NIST) 1998年度多说话人识别数据库上进行实验,聚类后性能"类纯度"比传统算法提高了10%.     

基于汉语语音音位的HMM建模方法

为了减少声学模型复杂度、降低对嵌入式系统的硬件资源需求,提出了为汉语全音节的声母、韵首、韵腹、韵尾4部分音位分别建立隐含Markov模型的新方法。基于汉语语音学的音位知识,并结合4部分音位方案比较实验,最终确定声母、韵首、韵腹、韵尾4部分音位模型总数分别为76、12、76、14,对应的4部分的模型状态数分别为4、1、4、2。同采用声母、韵母两部分建立的半音节隐含Markov模型相比,新系统中模型数、状态数减少了30.2%、36.5%,同时关键词识别率提高1.32%。     

基于汉语语音音位的HMM建模方法

为了减少声学模型复杂度、降低对嵌入式系统的硬件资源需求,提出了为汉语全音节的声母、韵首、韵腹、韵尾4部分音位分别建立隐含Markov模型的新方法。基于汉语语音学的音位知识,并结合4部分音位方案比较实验,最终确定声母、韵首、韵腹、韵尾4部分音位模型总数分别为76、12、76、14,对应的4部分的模型状态数分别为4、1、4、2。同采用声母、韵母2部分建立的半音节隐含M arkov模型相比,新系统中模型数、状态数减少了30.2%、36.5%,同时关键词识别率提高1.32%。     

层流与湍流的分子和微粒模型

湍流是一种最基本同时也是最复杂的流体流动形式。湍流流动中存在有很多种不同的现象，本书主要讨论的是其中的一种，即空泡流。由于要想理解湍流就必须对层流流动有所了解，因此，层流和湍流这两种流动形式在本书中都有阐述。     

基于自回归模型的加性噪声环境稳健语音识别

为提高噪声不平稳或不可估的情况下语音识别的稳健性,提出了利用自回归模型和短时平稳性假设,估计干净与噪声环境的语音数据,建立相应的语音识别模型,以达到抗噪效果的稳健语音信号处理方法。在N o iseX-92的4种噪声环境(w h ite,babb le,vo lvo,destroyer eng ine)从0到20 dB的不同信噪比下的“863”大词汇连续语音标准数据库的平均识别结果表明,该方法能够使得基于段长分布的隐M arkov模型的语音识别系统在25候选时声学层的音节相对错误率下降达到10.85%以下,同时相对正确识别率上升12.13%。     

带扰动的两类索赔模型的破产概率

本文考虑带随机干扰因素的两类索赔模型的破产问题,研究轻尾随机变量风险和过程的Lundberg指数,并给出了破产概率的表达式。     

红利边界下两类索赔相关风险模型的Gerber-Shiu函数

考虑具有常数红利边界的两类索赔相关风险模型的Gerber-Shiu函数. 两类索赔计数过程分别为独立的Poisson过程和广义Erlang(2)过程. 得到了Gerber-Shiu函数满足的积分-微分方程及边界条件,并给出了Gerber-Shiu函数的解析表达式.     

确定ATM的MMPP业务模型参数的新方法

利用ＭＭＰＰ模型来近似ＡＴＭ网络中多路突发业务，给出了一种确定ＭＭＰＰ模型参数的新方法，得到了这些参数关于信源数的解析式．该方法不仅计算简单、结果稳定，而且数值计算结果表明该方法有效可行     

马尔科夫调制泊松点过程的熵率和相互信息率?

显示地导出了一类连续时间参数隐马尔科夫模型-马尔科夫调制泊松点过程(MMPP)的熵率和相互信息率.模拟研究表明这类隐马尔科夫模型参数的最大似然估计的精度和效与观测过程和隐过程之间的相互信息率密切相关.一般地,相互信息率可作为MMPP中各个混合分量广义距离(或差别性)的一个度量.     

双前导车信息对交通流稳定性影响的分析

稳定性分析是交通流理论的重要问题之一,因为阻塞现象可视为动力系统的不稳定和相变。通过考虑双前导车信息的影响,获得了1个扩展的优化速度模型,借助稳定性理论得到了扩展模型的稳定性条件,同时运用非线性分析推导出mKdV方程来描述临界点附近的交通行为。数值仿真证实了分析结果,并表明考虑双前车更有效抑制交通阻塞。因此,次邻近前车对交通动力学有很强的影响,对稳定交通流起到重要作用。     

深度神经网络技术在汉语语音识别声学建模中的优化策略

将深度神经网络作为声学模型引入面向汉语电话自然口语交谈语音识别系统。针对自然口语中识别字错误率较高的问题,从语音的声学特征类型选择、模型训练时元参数调节以及改善模型泛化能力等方面出发,对基于深度神经网络的声学模型建模技术进行了一系列的优化。针对训练样本中状态先验概率分布稀疏的情况,提出了一种状态先验概率平滑算法,在一定程度上缓解了这种数据稀疏问题,经平滑后,字错误率下降超过1%。在所采用的3个电话自然口语交谈测试集上,相对于优化前的深度神经网络模型,经过优化后的模型取得了性能的一致提升,字错误率平均相对降低15%。实验结果表明,所采用优化策略可以有效地改善深度神经网络声学模型性能。     

带状态依赖标值的马尔科夫调制泊松过程的熵率和相互信息率?

导出了带状态依赖标值的马尔科夫调制泊松点过程的熵率和相互信息率.模拟研究显示MLE的精度和效与隐马尔科夫过程的相互信息率有关.     

基于改进的隐马尔科夫模型的语音识别方法

针对隐马尔可夫（HMM）语音识别模型状态输出独立同分布等与语音实际特性不够协调的假设以及在使用段长信息时存在的缺陷,对隐马尔可夫模型进行改进,提出马尔可夫族模型。马尔可夫族模型可看作一个数学上由多个马尔可夫链构成的多重随机过程,HMM模型则是双重随机过程,因而,HMM模型可视为马尔可夫族模型的特例。马尔可夫族模型用条件独立性假设取代了HMM模型的独立性假设。相对条件独立性假设,独立性假设是过强假设,因而,基于马尔可夫族模型的语音模型更符合语音实际物理过程。在马尔可夫族语音识别模型中引入状态段长信息,能自动根据语速对语音单元段长进行调整。非特定人连续语音实验结果表明,利用状态段长信息的改进语音识别模型比经典HMM模型的性能明显提高。     

基于独立感知理论的鲁棒语音识别算法

为了提高在噪声环境下语音识别系统的性能,对基于子带独立感知理论的语音识别方法进行了研究.这些方法利用人耳对不同频率信号感知的差异,以及噪声和识别对象的频域特征差异,分别采用线性分析、判决分析、多层感知机以及子带最大似然估计对噪声影响进行补偿.实验表明,子带分析采用非线性策略优于线性策略.基于独立感知假定的子带模型,虽然由于独立性假定丢失了带间相关性,但对于噪声环境下语音识别而言可以捕获噪声和识别对象的频谱差异,从而获得比全带分析更高的鲁棒性.     

两个风险模型的破产概率的比较

经典风险模型中,保费收入是时间的线性函数。一种推广的风险模型是用泊松过程取代时间的线性函数来描述保费收入过程,并给出了这两个风险模型下各自的破产概率所满足的积分方程。基于后一种风险模型,在一个无穷小的时间区间内,根据理赔的次数和收取保单的次数,应用全概率公式,得出了相应的积分方程。     

利用说话人自适应实现基于DNN的情感语音合成

为了提高情感语音合成的质量,提出一种采用多个说话人的情感训练语料,利用说话人自适应实现基于深度神经网络的情感语音合成方法。该方法应用文本分析获得语音对应的文本上下文相关标注,并采用WORLD声码器提取情感语音的声学特征;采用文本的上下文相关标注和语音的声学特征训练获得与说话人无关的深度神经网络平均音模型,用目标说话人的目标情感的训练语音和说话人自适应变换获得与目标情感的说话人相关的深度神经网络模型,利用该模型合成目标情感语音。主观评测表明,与传统的基于隐马尔科夫模型的方法比较,该方法合成的情感语音的主观评分更高。客观实验表明,合成的情感语音频谱更接近原始语音。所以,该方法能够提高合成情感语音的自然度和情感度。     

资金流动模型的马尔可夫骨架过程分析

在马尔可夫骨架过程理论的基础上讨论了资金流动模型.通过对此模型进行马尔可夫骨架过程建模并分析其瞬时分布,得出在任一时刻t的账户资金额Q(t)是某一非负线性方程的最小非负解.