基于独立成分分析技术的语音除噪系统

提出了一种基于独立成分分析技术的语音除噪方法.语音信号与其所夹杂的噪声之间,通常都是相互独立的,采集的观测信号是语音信号与噪声之间的混合信号,通过分析混合语音信号特征,建立了基于独立成分分析技术的语音信号模型.以最大化信号独立性特征为依据,分离语音信号与噪声信号.最后利用多选一信号选择器,实现去噪后语音信号的提取,从而...     

Oracle中批量数据迁移的实现方案

在分析数据库库表数据导出的过程中可能碰到的问题的基础上，针对Oracle本身所提供的数据迁移工具的局限性，讨论了通过Oracle数据库库表数据导出形成约定格式的本件的方式和批量处理的实现方案，采用件分割技术，解决了异构数据库以本件方式进行数据迁移时件大小的上限问题。同时提出了对超大数据批量数据抽取采用并行处理技术，提高处理性能的处理方法，使其性能得到了显的提高。     

基于高阶累积量特征学习的调制识别方法

自动调制分类是确保通信安全、可靠的关键技术之一。在低信噪比(low signal-to-noise ratio, Low-SNR)环境中,自动调制分类识别率低且识别类型受限。利用零均值高斯白噪声(white Gaussian noise,WGN)的高阶累积量理论值等于0的性质,在信号分析过程中,引入高阶累积量,可使系统免受WGN的影响。同时,引入深度学习网络结构完成微弱特征的表征,可有效解决调制方式受限及Low-SNR情况下的识别率下降问题。实验结果表明,所提方法在高斯信道环境下的分类精度比现有方法要高,在Low-SNR的不同信道环境下有较高的识别率,且使模型在时间、相位和频率偏移量方面具有更好的鲁棒性。