Kaiser窗三谱线插值电力谐波分析

在非同步采样以及非整数周期截断情况下,快速傅里叶变换会产生频谱泄露和栅栏效应,使计算结果存在较大误差,无法得到准确参数。常用窗函数固定的旁瓣性能制约了已有加窗插值算法的误差修正效果。而凯赛(Kaiser)窗的主旁瓣高度之间的比重可依据需要自由选择,其主旁瓣能量的比例也近乎最大。文中提出基于Kaiser窗的三谱线插值FFT的电力谐波分析方法,推导了基波以及各次谐波的幅值、频率和初相位的插值修正公式。仿真结果表明,所提算法设计灵活且易于实现,在基波频率波动以及白噪声干扰下都有较高的谐波参数估计准确度,验证算法能够有效消除泄露和栅栏效应的影响,提高了谐波分析的准确性。     

基于Memetic算法的两级车辆路径优化

针对传统两级车辆路径优化过程,存在的精度不高,收敛时间过长的问题,提出一种基于Q学习理论和差分进化的Memetic算法。首先,对两级车辆路径优化问题进行研究,利用最优分割法获得第一级配送方案,以此确定中转站配送数量,然后求解第二级多配送中心车辆路径问题配送方案,获得两级优化问题的总里程及总配送车辆数量;其次,针对第二级MDVRP配送方案求解,利用Q学习理论和差分进化算法,设计新的Memetic算法,来实现对多配送中心车辆路径问题配送方案的全局优化;最后,通过仿真验证了所提算法的有效性。     

一种特定人声道频率响应的精确的提取方法

提出了一种在浊音中切取相当基音长度的一段波形,用傅里叶变换求出谱线,多次填充构造精确声道频率响应函数的新方法.经过实验,证实此方法特别适合特定人的语音识别,也能较好合成出模仿特定人的语音.     

软、硬煤残余瓦斯含量差异性研究

针对具有软煤分层的突出煤体,为了更加准确地检验瓦斯抽采效果,必须研究瓦斯抽采后软、硬煤残余瓦斯含量之间的差异性.基于抽采条件下的瓦斯渗流场分析,考虑了煤层中存在软煤条件下对瓦斯流动及煤层的综合影响,通过建立瓦斯流固耦合方程,并结合钻孔抽采瓦斯的初始条件和边界条件,运用多物理场耦合分析软件模拟了抽采条件下软、硬煤的残余瓦斯含量的差异性.数值模拟结果表明:在相同的抽采时间内,软煤的残余瓦斯含量始终高于硬煤,软煤瓦斯含量降到8 m3/t需要180 d,硬煤瓦斯含量降到8 m3/t需要162 d.     

一种朴素贝叶斯学习辅助的接触图路由算法

接触图路由(CGR)是星际网络路由协议中的一个重要组成部分，星际网络中节点易受电磁干扰或自身资源不足影响而失效，高度依赖先验知识的接触图路由在节点意外失效时通信性能会急剧恶化。针对上述问题，提出了在接触图路由中引入朴素贝叶斯学习模型来预测节点可靠性的方法。首先根据接触图路由的特点建立节点快照；然后基于节点快照进行朴素贝叶斯建模，预测节点间的不可靠性概率；最后在路由决策时考虑不可靠性概率，选择不可靠性小的节点转发数据。实验结果表明，引入朴素贝叶斯学习可以有效提高接触图路由在恶劣的太空环境中应对节点意外失效的能力，实现对数据的高效传输。     

我国上市公司关联交易存在的问题及对策

本文认真分析了我国上市公司在关联交易方面存在的问题及影响，并针对这些问题提出了相应的对策。     

基于HTTP流化的自适应码率混合控制算法

HTTP流化自适应流媒体技术已逐渐应用于媒体视频传输. 提出一种新的自适应码率控制算法, 将视频资源缓存、网络吞吐量共同作为混合控制的主要参数. 在视频资源缓存控制机制中, 通过采用缓存空间均衡的方式, 调整单个视频分片进入缓存区所消耗的时间, 使视频数据总量保持在均衡范围内. 在网络吞吐量控制机制中, 根据当前网络状况, 利用保守策略提升视频码率, 并利用逻辑斯谛方程确定码率下调幅度. 通过使用双参数进行码率决策, 能有效避免单一使用某一个参数而产生的决策精度上的不足, 从而实现控制性能最优. 在实际网络带宽情况下, 该算法已在使用MPEG-DASH标准的参考平台上得到验证.     

一种基于模糊系统的语音增强方法

语音增强是解决噪声污染的有效方法,它的首要目标是在接收端尽可能从带噪语音中恢复纯净的语音信号.讨论强背景噪声下的基于模糊系统的语音增强方法,并与减谱法语音增强算法进行比较.计算机仿真结果表明,该方法在大大消除背景噪声的同时,消除了音乐噪声,同时保持语音信号较好的可懂度.     

基于TMS320VC5421的多制式语音编码的实现

介绍了一种多制式语音编解码器,完成4路语音的全双工通信.简单介绍了组成系统的核心器件——DSP芯片TMS320VC5421的硬件特点,提出实现G.729、CVSD、ADPCM算法之间的编码转换方法,并给出了算法的软硬件实现.实验结果表明,该方法以较少的运算量及较少的硬件资源获得了较高的语音编码质量,是一种灵活可行的语音编码方式.     

一种语音信号线性预测系数的求解新方法

语音信号的线性预测分析是语音信号处理中的重要部分,线性预测系数提取的速度和精确程度直接影响后续的处理工作.现提出一种基于BP神经网络的线性预测系数的求解方法.实验表明,该方法能以较少的训练次数得到较高的计算精度.