传导电磁干扰噪声综合解决方案

为有效抑制传导电磁干扰噪声,设计了一种能够较好抑制共模噪声的优化噪声分离网络,采用单电流探头法提取噪声源内阻抗,并从技术与经济角度对各类分离网络、EMI滤波器性能进行决策参数建模,据此设计合适的传导电磁干扰综合解决方案.进行了噪声分离网络共模抑制比特性试验和基于单电流探头测量的EMI噪声源内阻抗提取试验,并开发了传导EMI噪声综合处理系统.结果表明,该综合解决方案可以实现对传导噪声的有效分离及噪声源内阻抗提取,同时可兼顾技术性与经济性而达到优化;所建立的噪声综合处理系统能较好完成噪声综合解决方案,对传导电磁兼容有参考意义.     

基于行业词表的自动语音转写后优化技术

自动语音识别（ASR）技术目前已发展得较为成熟，通用ASR引擎已经广泛应用于交通、医疗、通信等行业。但是，由于行业专有词汇在大规模训练语料库中呈非独立同态分布，通用ASR引擎在各细分行业转写时存在对行业专有词汇识别准确率低的问题。相较于互联网环境的16 kHz音频采样率，电话呼叫中心语音为窄带低采样（采样率8 kHz），转写后精度下降尤为明显。为了提高行业词汇的语音转写准确率，文中提出一种基于行业词表的ASR转写后优化技术。首先，对语料库文本数据分别采用卷积神经网络模型和深度神经网络BERT模型进行预测分词，生成行业纠错词表。随后，在生产环境中，使用通用ASR引擎对电话呼叫语音数据进行初始转写。然后，对一次转写后的文本，通过Soft-Masked BERT模型结合纠错词表实现文本数据的纠错，从而提高语音识别准确率。使用广州12345热线客服通话语音数据进行训练和测试，结果表明，使用文中的转写后优化技术可以将通用ASR引擎的行业用词转写准确率提高约10个百分点，且纠错速度较快，具有良好的适用性。