基于多音素类模型的文本无关短语音说话人识别

对于基于Gauss混合模型-通用背景模型(Gaussianmixure model-universal background model,GMM-UBM)方法的文本无关说话人识别,当测试语音时长缩短到很短时,识别率会严重下降。为了充分利用文本内容信息,该文提出了一种基于K-top多音素类模型混合(KPCMMM)的建模方法。在音素识别阶段,利用语音识别得到训练语音的音素序列,在说话人识别阶段利用音素序列对每个说话人训练多个音素类模型,测试语音则在最相近的音素类模型上进行打分判决,K是选取的相近音素类数。由于音素类定义的不同,KPCMMM方法分为基于专家知识和数据驱动这两类。实验结果显示选择合适的K值可以得到更好的识别结果。不同的音素类定义方法的比较实验结果显示:当测试语音时长小于2s时,对比GMM-UBM基线系统,该方法的等错误率(EER)相对下降38.60%。     

预应力混凝土斜拉桥施工控制新进展

在预应力混凝土斜拉桥的施工中几何线形和结构内力的控制非常重要,据此介绍近年来我国在这一方面的新进展,应用现代工程控制理论中自适应控制的思想形成控制系统,其中主要在结构参数辨识和现浇主梁底模标高的实时修正等关键技术上有了突破,并经过几座大跨预应力混凝土斜拉桥的实践取得了成功的经验。     

基于连续谱特征提取的被动声纳目标识别技术

目标噪声特征提取和目标分类器设计是被动声纳目标识别系统的关键技术 .针对被动声纳目标识别 ,提出了一种新的连续谱特征提取方法 .此外 ,为了训练神经网络目标分类器 ,将遗传算法和 BP算法相结合 ,提出了一种新的自适应遗传 BP算法 .最后 ,对海上实录的三类目标噪声进行了分类识别 .实验结果表明 ,设计的被动声纳目标识别系统具有很好的分类效果     

陕北志丹地区长6低电阻率油层成因机制研究

低电阻率油藏作为一种非常规油藏已被人们所认知,由于成因机制复杂,识别难度大,常被人们遗漏或错判。为了详细研究陕北志丹地区低电阻率油层的成因机制,以长6储层为研究目的层位,采用实验分析、测井曲线重叠法、交会图等方法,建立相关的平、剖面图,并结合研究区试油试采成果,对长6储层低电阻率油层的成因机制进行了深入分析。认为志丹油区低阻油层发育众多,资源潜力大,约占其总储量的40%,分布广泛,成因机制复杂,很难用常规方法进行识别;多数油层电阻率主要介于2~21Ω·m之间,甚至小于0.6Ω·m.最终得出沉积砂体控制作用、岩性细,束缚水饱和度高、粘土附加导电性和高放射性砂岩是长6低电阻率油层发育的主要因素;由于区域地质状况的差异,初步探索出了适合研究区的低电阻率油层识别标准,以便为以后研究低阻油藏提供参考与借鉴。     

合成孔径雷达图像中机场跑道的自动识别

为解决雷达图像中的机场跑道识别问题 ,提出了一种合成孔径雷达图像中机场跑道的自动识别方法 .首先 ,对原始图像滤波并提取图像轮廓 ,其次对轮廓图作Radon变换 ,保留最大的几个Radon变换系数 ,将其余系数置 0 ,并对Radon逆变换得到的图像进行二值处理 ,从而过滤掉大部分干扰线条 ,仅保留图像中的主要直线条 ,最后利用直线模板滤除残余干扰线条 ,并根据阈值检测出机场跑道 .实验结果表明 ,所提方法能够准确地识别出复杂背景下的水平、垂直和倾斜的机场跑道     

基于结构解释模式的服役混凝土结构损伤识别

混凝土损伤的影响因素较多,采用结构解释模式(interpretative structural model,ISM)的系统分析方法进行服役混凝土结构损伤识别研究,科学判定既有混凝土结构的损伤程度及基本影响因素。根据引起混凝土损伤的因素,确定各因素间的二元关系,并以此为基础,由要素间的关系传递性,建立基于结构解释模式(ISM)的混凝土结构损伤识别的构思模型,并提取骨架矩阵,形成递阶结构模型,经过比较反馈、修正学习,分析给出混凝土结构损伤识别的基本影响因素。研究结果表明:结构损伤多因素的二元关系是进行损伤识别的基础,综合考虑系统中引起损伤的各因素之间的关系,利用图论中关联矩阵原理分析混凝土结构损伤,给出的结构损伤影响因素更为直接有效;由损伤识别模型归结出的基本影响因素与现行结构检测规范的基本项目基本一致。     

基于2D Gabor小波和HSV空间的木材缺陷检测

提出了一种有效的木材缺陷自动检测方法,试图赋予计算机从木材图像数据中自动辨别出缺陷的能力,主要分析了木材缺陷的形态、走向和分布规律.首先将要识别的木材图像变换到HSV色彩空间,分别对H,S和V层进行区域分割和Gabor小波变换,得到各个子图像块的局部区域的基于不同频率和方向的特征向量,用于描述高维的木材图像.接着将提取出的纹理特征归一化后送入SVM分类器,检测过程采用二次循环搜索方式,利用特征向量间的相似度进行缺陷的定位和识别.模拟实验结果表明,该方法可有效识别出缺陷区域,识别效果较好.     

属性测度及其在目标识别中的应用

为了获得一种训练快、精度高、计算量少的雷达目标识别方法 ,研究了属性测度和属性模式识别 ,及属性模式识别在目标识别中的应用 ,并将模糊聚类分析用于属性测度。经过研究发现 ,在不用指标的峰度时 ,可以达到很高的识别效果。与传统的神经网络法相比 ,属性模式识别法在训练速度上得到了大大的提高 ,并在识别效果上优于径向基神经网络法。以雷达目标识别为例证明了该算法的有效性。这为我们研究低分辨雷达提供了一种全新的方法。     

基于Hough变换的虹膜定位算法

针对利用Hough变换实现虹膜定位时遇到的一些问题提出了相应的解决方案。为减少Hough变换的计算量,本算法采用了“先采样后变换”、“由粗到精”的方法;为提高可靠性、减小噪声影响,算法利用了虹膜内外边界之间的耦合关系以缩小在边界参数空间内的搜索范围。在MAT—LAB软件环境下的试验表明,算法取得了良好的效果。     

基于上下文敏感度的动态图像目标识别

针对机载实时系统获取的图像序列既不满足背景固定又没有目标、背景的高灰度比,而且常规方法处理这些图像存在局限性,提出了基于上下文敏感度的运动图像目标识别算法.首先,对标准Hough变换(HT)算法进行改进,即沿着某一方向做HT,如果线段长度或已识别的目标点数加上剩余线段长度小于阈值,则停止此方向的扫描,这种变换克服了标准HT以图像边界点为扫描边界的缺点.其次,在静态图像识别的基础上,定义了图像识别的置信度,对运动图像前后帧的关系进行了量化,据此实现了对目标的识别.实验结果表明,与标准HT相比,改进的算法不仅具有很强的稳定性和高抗干扰能力,识别准确性高,而且处理速度是标准HT的3～5倍.