重放方式对老年人语言清晰度评价的影响

在不同混响时间、不同信噪比、不同噪声方位角条件下,通过对60岁以上老年人的听音评价,探讨扬声器重放和耳机重放方式对老年人语言清晰度的影响,并与听力正常的年轻人得到的结果进行对比。结果表明:采用扬声器重放得到的汉语语言清晰度得分比采用耳机重放得到的汉语语言清晰度得分略高,但两种重放方式下的汉语语言清晰度得分无显著性差异;老年人在两种重放方式下的得分差异比年轻人的得分差异略高;采用人工头录音再通过耳机重放由老年人进行室内汉语语言清晰度评价,得到的结果与直接在厅堂现场评价得到的结果基本一致。     

非等分叶片间距叶片式机油泵的内流场分析与试验研究

基于RNG k-ε湍流模型,利用计算流体动力学软件,对不同叶片间距配置的叶片式机油泵稳定工况下的内流场进行数值模拟,得到了稳态流量特性曲线,并与性能试验结果进行对比。考虑不同叶片间距配置的影响,对内流场监测点的压力脉动进行频域分析,结果表明:与等分叶片间距配置相比,非等分配置时泵出口和压油腔内部压力脉动能量幅值在基频倍数频率处有所降低,并且在三次谐波处降低明显。对试验样机进行压力脉动试验和噪声试验分析,结果表明:与等分叶片间距配置相比,非等分叶片间距配置能够降低叶片式机油泵的压力脉动,三次、四次谐波的噪声值有所降低。     

典型图像边缘检测算子的比较与分析

通过MATLAB编程,采用Roberts算子、Prewitt算子、Sobel算子、Kirsch算子、Log算子和Canny算子等对数字图像做了边缘检测.通过图像的直方图,直观展示了各算子检测图像之间及其与原图的差别.引入高斯噪声和椒盐噪声,并评价了每种算子抑制噪声的能力.这些研究结果对边缘检测算子的选择及改进具有一定的指导意义.     

基于信息论下阈值阵列模型中的阈上随机共振现象

研究了高斯混合噪声作用下阈值阵列模型中的阈上随机共振现象.通过建立阈值阵列模型,运用理论分析和数值仿真相结合的方法,分析了高斯混合噪声作用下高斯信号通过系统时的互信息.数值仿真表明,通过控制变量法,当阈值单元数目越多或者系统阈值越大时,阈上随机共振发生的现象更加明显.所得结论可以为进一步探索阈值阵列模型提供基础.     

基于BCRLS-AEKF的锂离子电池荷电状态估计及硬件在环验证

研究有色噪声下的锂离子电池参数辨识与荷电状态（SOC）估计,并进行硬件在环实验验证.在动力电池模型的参数辨识过程中,利用带遗忘因子的偏差补偿递推最小二乘法进行偏差补偿,提高了有色噪声数据的参数辨识精度.在此基础上,利用自适应扩展卡尔曼算法进行SOC估计,使得滤波算法中的估计结果可以随着噪声统计特性的变化而自适应更新,实现了模型参数和电池状态的联合估计.最后,借助BMS测试系统模拟电池电压电流信息输出,完成了硬件在环实验以验证所提出的方法.实验结果表明,利用所提出算法估计得到的电池端电压和SOC误差分别小于10 mV和0.5%.      

基于粒度和信息熵的并行支持向量机算法

针对大数据环境下并行支持向量机(support vector machine,SVM)算法存在噪声数据较敏感、训练样本数据冗余等问题,提出基于粒度和信息熵的GIESVM-MR(the SVM algorithm by using granularity and information entropy based on MapReduce)算法.该算法首先提出噪声清除策略(noise cleaning,NC)对每个特征属性的重要程度进行评价,获得样本与类别之间的相关度,以达到识别和删除噪声数据的目的;其次提出基于粒度的数据压缩策略(data compression based on granulation,GDC),通过筛选信息粒的方式保留类边界样本删除非支持向量,得到规模较小的数据集,从而解决了大数据环境下训练样本数据冗余问题;最后结合Bagging的思想和MapReduce计算模型并行化训练SVM,生成最终的分类模型.实验表明,GIESVM-MR算法的分类效果更佳,且在大规模的数据集下算法的执行效率更高.     

基于改进ziggurat算法的高斯白噪声发生器

经典的ziggurat算法在楔形区域和截尾区域的判决计算包含非线性运算,存在计算量大、资源消耗多的缺点。针对该问题提出了一种改进的ziggurat算法。该算法利用分段线性近似原理拟合了判决模型,优化了楔形区域和截尾区域的判决算法,将判决过程改为线性运算。新算法的效率进一步提高,相对原算法,资源消耗减少了44%以上,且经过仿真验证,算法的性能没有明显的损失。基于新算法设计并实现了一个高斯白噪声发生器,仿真和实测结果表明,该高斯白噪声发生器资源利用率高,数据吞吐率大,生成的高斯白噪声正态特性良好,功率谱平稳。     

传递对准滤波中机翼变形噪声的在线补偿算法

针对机翼变形噪声对传递对准滤波的显著影响,通过特性分析将其处理为时变多阶有色观测噪声,提出了一种在线补偿算法。该算法以标准卡尔曼滤波方程为基础,推导了不扩维情况下补偿多阶有色观测噪声的滤波方程。算法依据滤波过程的序列量测数据,结合模型估计残差的F检验法,在线递推估计机翼变形噪声的自回归阶数、系数及白噪声,构建补偿方程的量测量、量测矩阵和量测噪声进行补偿滤波。通过将该算法应用于速度+姿态对准匹配方案,并与将机翼变形噪声等效为注入量测白噪声和扩充为系统状态的方法比较。仿真结果表明,该算法对时变机翼变形噪声影响下的新息适应性强,收敛稳定,估计精度高,适用于复杂空中环境下机载导弹快速精确传递对准。     

基于卷积粒子滤波的交互式多模型算法

针对噪声分布未知环境下的非线性目标跟踪,提出了基于卷积粒子滤波的交互式多模型算法。该算法利用卷积粒子滤波器并行地运行多个模型,对前一时刻每个模型的状态后验概率密度进行交互,从交互后的概率密度中采样作为当前时刻滤波器的初始粒子,对当前时刻每个模型的状态后验概率密度进行加权作为系统输出。与基于粒子滤波的交互式多模型算法相比,算法消除了对量测噪声分布的依赖,提高了效费比,理论分析和仿真结果证明了该算法的有效性。     

色噪声背景下基于特征空间的信源估计新方法

准确估计信源数目是很多高分辨算法得以实现的前提条件。传统的信源估计方法大多是在白噪声背景下,以数据协方差矩阵的特征值序列作为研究对象,按照某种标准设定门限来进行判决估计信源数目。而在实际情况中白噪声很难满足,从降一维特征空间的投影矩阵角度出发,获得数据协方差矩阵的局部数据的投影差值序列,从而有效避开了噪声主要能量的影响,对空间色噪声也有一定的抑制效果。仿真结果表明在色噪声背景下,利用该方法可以在多信源情况下准确估计信源数目。