预测自适应Gauss混合模型线谱频率的量化

为了实现高质量低速率的语音编码,提出了高效线性预测Gauss混合模型(Gaussian mixture model,GMM)线谱频率参数量化算法(LP-GMM-LSFQA)。线谱频率(linear spectral frequency,LSF)参数先去均值,经过一阶线性预测,得到残差信号,将残差用协方差矩阵为对角阵GMM量化算法进行量化。在此基础上,利用反量化后参数自适应更新GMM的加权系数和均值,进一步提出了预测自适应GMM-LSF量化算法(LP-AGMM-LSFQA)。实验表明:LP-GMM-LSFQA在20 b/帧时量化性能超过预测分裂矢量量化22 b/帧时的量化性能,节约2b/帧;LP-AGMM-LSFQA量化性能优于LP-GMM-LSFQA。     

实验情境下车辆工程专业英语课程改革的探索

通过分析车辆工程专业英语的教学现状,引入情境教学法,提出了实验情境下ESP教学改革的思路。从"创设情境—深入情境—展示情境—反馈情境"四个阶段建立系统化的教学模式,并构建课时安排科学、师资设置合理、教学内容前沿、评价体系规范的全新课程教学体系。经教学实践检验,该课程改革实施效果明显。     

汽车造型特征定量模型构建与应用

针对汽车造型特征难以定量化表达的问题,通过汽车造型特征空间构建和层次分析,对汽车造型的几何特征进行提取,并基于特征关系映射实验对汽车造型语义特征进行分析,构建了基于几何空间、语义空间及其映射关系的汽车造型特征定量化模型,并应用到设计实践中,初步解决了汽车造型设计主要依赖经验而定量工具缺乏的问题.     

匈牙利方法在资源分配问题中的应用

通过对一维资源平行分配问题的讨论,给出了将该问题分解成若干个指派问题的方法,通过用匈牙利方法求解应对的指派问题,得出该资源分配问题的最优解。     

准噶尔盆地莫北凸起莫7～莫11井区三维地震资料构造精细解释技术

准噶尔盆地莫北凸起莫7～莫11井区应用了大面元三维地震勘探,其地震资料应用单一的解释技术难以刻划小断层.在处理解释一体化攻关的基础上,解释过程中以新数据体为主体,采用了层位解释技术、速度分析与构造成图解释技术以及多种方法相结合的断裂解释技术(面块切片解释技术、构造应力场分析解释技术、构造层内标志层控制解释技术、古构造恢复解释技术、正演模拟解释技术).解释结果有了明显的改善,断裂系统更合理,并且识别出了一些对油气成藏起重要作用的小断裂(变换断层).解决了以前地震资料解释结果与试油、测井、钻井解释结果难以吻合的问题.     

板带钢表面缺陷检测系统的多尺度边缘检测算法

针对冷轧带钢表面缺陷在在线检测过程中,无法准确地检测到图像中缺陷的边缘问题,提出了一种基于小波变换模极大值的板带钢表面缺陷多尺度边缘检测算法.该方法较好地解决了边缘检测精度与抗噪性能之间的协调问题,实现了在多个尺度上板带钢表面缺陷的边缘提取.实验结果表明该方法对伪缺陷边缘的去除有很好的效果,同时能够较好地保留图像中缺陷的边缘细节信息,具有更好的边缘检测性能,为带钢表面缺陷在线检测系统中的后续处理,如图像自动分割、缺陷识别等奠定了基础.     

基于特征点提取的弯道识别算法研究

针对高速公路弯道处事故率高的特点,研究了一种基于特征点提取的高速公路弯道识别方法,以降低弯道处交通事故发生率。采用Hough变换求出车道线直线方程,根据高速公路的特点建立适当的道路模型,确定对应直线段上的最低点和最高点;分别比较直线段两侧白色像素点的个数判断出曲线道路的弯曲方向,从而进一步确定曲线段上的特征点,同时对车道线候选特征点进行滤波;分段拟合车道线的直线段和曲线段,实现车道线的二维重建。实验表明,能识别不同形状的车道线,具有很高的实时性和准确性,且在不同道路干扰下对连续型分道线和虚线型分道线的检测都有良好的识别效果。     

太阳光和天空光的光谱测量分析

采用一种便携式小型光谱仪对天津市区太阳光和天空光在200～850nm波段进行光谱测量．分析了一天中不同时刻的太阳光谱的变化，比较了太阳光谱与相应天空光谱间的关系，同时还给出了不同天气情况下的天空光谱测量结果及相关理论分析，并对太阳光和天空光的颜色进行了色度计算．     

基于免疫网络理论的TCSC与PSS协调控制

电力系统稳定器(PSS)和可控串联补偿器(TCSC)被广泛用于电力系统的稳定控制,多个控制器之间的交互作用会影响彼此的控制效果.本文介绍了生物免疫系统中不同类型的抗体协调合作,共同清除抗原的协调机理.提出了基于免疫网络理论的协调控制方法,用于在线协调控制多个阻尼控制器,抑制电力系统的功率振荡.以装有多个PSS和TCSC的系统为例,对多个控制器进行在线协调阻尼控制.仿真结果表明该方法能够缩短抑制振荡所需的时间,具有有效性和鲁棒性.     

基于FIG和GWO-SVM的灌浆功率时序预测

为更好地预测灌浆功率时序,建立基于模糊信息粒化(FIG)和灰狼优化支持向量机(GWO-SVM)的灌浆功率时序预测模型。首先,引入信息粒计算方法,将原始详尽的时间序列数值点分解为一系列信息粒,以减少模型的数据输入总量;其次,基于模糊集理论,采用模糊集算子对每个信息粒进行模糊计算,使得到的模糊信息粒可以合理地表示原始数值点集;最后,以支持向量机作为预测工具,并采用灰狼优化算法进行参数寻优,对产生的模糊信息粒进行快速准确的预测。结合实际工程,应用该预测模型对灌浆功率的波动范围和变化趋势进行预测研究,经过性能评价和对比分析,验证了模型的有效性和优越性。