用于统计语音合成的大尺度压缩HMM的方法

统计语音合成使用隐Markov模型(HMM)作为声学特征的统计模型。提出了一种利用声学模型空间距离进行HMM的大尺度压缩的量化方法,通过对矢量量化码本进行的优选迭代步骤,减小压缩后的声道谱模型与原模型之间的声学距离,使通过量化模型合成的语音更加接近未量化模型。主观和客观测试结果显示:使用该方法进行声道谱模型的压缩,在压缩至原模型大小的0.06左右时,仍有约90%的评价得分认为合成语音的质量没有明显下降。     

固定位宽乘法器的量化误差补偿方法及电路实现

为了减小乘法器量化噪声对认知无线电信道检测性能的影响并节省芯片面积,提出一种高精度的固定位宽基-4Booth(FBB-4B)乘法器结构.该乘法器的截断部分被分为保留、自适应补偿和常数补偿3部分.常数补偿部分的量化误差补偿值合并到自适应补偿部分,根据自适应补偿部分进位状态的编码产生自适应量化误差补偿值,并设计了补偿进位生成电路.相较于截断部分全部采用自适应补偿的乘法器,FBB-4B乘法器的自适应补偿部分所包含的部分积位数较少,使得自适应补偿部分的量化误差减小,从而提高了该乘法器的精度.仿真实验表明,FBB-4B乘法器的精度比其他同类乘法器的精度提高了约13%,比理想基-4Booth乘法器的面积减少了30%左右.     

LSF标量格型混合量化

为了降低线谱频率(LSF)参数矢量量化器的搜索复杂度和码字存储单元,利用格型矢量量化的优点,设计了一种适合LSF参数量化的标量格型混合量化器。该量化器对LSF参数的预测残差矢量的第一、二个参数进行标量量化,余下的参数则利用格型矢量量化,从而降低了搜索复杂度和码字存储单元,与G.729协议所使用的LSF量化技术相比,有一定的改进。     

一种上下文集成的冲突处理方法

为了实现服务组合对环境的适应性,设计了能满足上下文动态集成的模型,并使用CC/PP的RDF创建P rofiles描述上下文。详细分析上下文集成中出现的冲突情况,定义优先级和效用因子,解决上下文集成中的冲突问题。结合原型系统进行测试,并给出了实验结果。研究结果表明:在不同的冲突策略情况下,该方法能在可接受的时间内解决冲突。     

基于上下文的移动Web Services

文章为Web Services提出移动环境中的优化方案———基于上下文的移动Web Services。根据获得的客户端的上下文信息处理SOAP消息,得到精确的结果;上下文类型的扩展无需根据下层结构的差异进行修改。由基于上下文的Web Services或Context Services处理请求,减少带宽消耗,优化信息供应,以满足移动通讯的要求。     

融入城市环境的住区设计

每个城市都有自己独特的城市文脉和丰富多彩的城市空间意象,文章探讨了如何让新建住区融入城市环境的问题,认为和谐住区应能积极地承载城市的历史文脉,保持城市传统建筑特色,并且有效地延续城市空间,维护城市固有的肌理;同时提出了和谐住区相应的设计方法,并用实例加以论证。     

低码率下MPEG—2自适应量化控制策略

对ＭＰＥＧ－２ＴＭ５量化控制策略进行了修正,提出了一种基于宏块直方图特性的自适应量化控制方法．该方法考虑了人眼的视觉特性和编码效率,适应于低码率下的ＭＰＥＧ－２压缩编码,并能有效地提高图象质量．     

视觉感知结合学习的自然图像轮廓检测

本文结合非经典感受野的视觉特性与机器学习的方法,提出了一种自然图像轮廓检测模型.当非经典感受野中的刺激与感受野中心刺激形成一种精确的空间结构时,将对中心产生一种增强效应;另一方面非经典感受野中抑制作用会降低同质成分的响应,我们将这两个机制分别用于增强光滑的轮廓和减少背景中与结构无关的干扰成分.利用逻辑回归概率模型将感受野中的信息与来自非经典感受野中的信息进行有效融合,并根据图像的手工标注数据库,通过学习方法获得一组最优的模型参数.自然图像的实验结果表明该轮廓检测方法能极大地抑制来自纹理的局部边缘,减少虚假轮廓,同时能增强具有一致空间结构的成分,避免轮廓缺失.最后利用Berkeley图像数据库定量地评价了我们方法的性能,并与相关方法进行了比较.该模型不仅为复杂场景中的轮廓检测提供了一个可行的策略,并有助于对生理视觉机制的理解.     

基于变精度可能算子的网络概念认知

网络上的概念认知是网络数据分析领域的一个重要方向。从形式概念分析中的必然算子、可能算子出发,提出变精度可能算子,表明经典可能算子是变精度可能算子的特殊情形;进一步,对可能算子的性质进行研究,并解释它们在传染病网络研究中的意义;接着,根据变精度可能算子提出两种网络广义概念及其上下近似与边界,通过实例说明基于变精度可能算子的上下近似和边界在网络概念认知中具有更丰富的语义;然后,结合复杂网络分析中的网络特征值方法,定义网络弱概念,并提出基于变精度可能算子的网络弱概念获取方法;最后,利用文中算法在UCI数据集上进行测试,结果证实了变精度可能算子在网络概念认知中的优势。     

一种结合形状上下文分析的Laplace谱匹配算法

提出了一种结合形状上下文分析的Laplace谱匹配算法.工作主要侧重于如何提高Laplace谱匹配算法对点的位置随机抖动的鲁棒性.首先,使用Laplace矩阵的特征向量和特征值以及双随机矩阵的方法计算初始匹配概率.然后,借助于概率松弛算法,将用形状上下文表示的局部相似性融入Laplace谱匹配算法以优化谱匹配的结果.对真实和合成数据的实验表明该方法具有比较高的精度.