韵律特征在概率线性判别分析说话人确认中的应用

研究韵律特征在说话人确认中的应用。将整个韵律轨迹以固定段长和段移进行片段划分,并对其进行勒让德多项式拟合从而获取连续性的韵律特征,将特征映射到总变化因子空间,并用概率线性判别分析来补偿说话人和场景的差异。在美国国家标准技术研究院2010年说话人识别评测扩展核心测试集5的基础上加入噪声构造测试集,并分别对韵律特征和传统Mel频率倒谱系数进行测试。结果显示,随着信噪比的逐渐减小,Mel频率倒谱系数性能出现大幅度下降,而韵律特征性能相对比较稳定,两种特征融合后能使系统性能得到进一步提升,等错率和最小检测错误代价相对于Mel频率倒谱系数单系统最多能分别下降9%和11%。实验表明,韵律特征应用于说话人识别中具有较强的噪声鲁棒性,且与传统的Mel频率倒谱系数存在较强的互补性。     

基于嵌套阵的宽频带恒定束宽快速处理算法

针对宽频带阵列信号处理中的恒定束宽波束形成问题,本文首先分析了几种常见的实现方法,然后重点介绍了基于嵌套阵的组合滤波算法,并指出该算法在多倍频程实时处理应用中面临计算资源不足的限制。本文的重点是在分析原有算法的基础上,对基于嵌套阵的组合滤波算法提出了一系列的改进,改进后的算法在保证精度的前提下,对七倍频程嵌套阵信号的处理时间缩短为原型算法的3.25%。经过试验验证,其处理速度、处理精度以及波束恒定效果都满足设计和使用要求。     

LK-CAUNet：基于交叉注意的大内核多尺度可变形医学图像配准网络

经典的UNet网络可用于预测全分辨率空间域的密集位移场，在医学图像配准中取得了巨大成功。但对大变形的三维图像配准，还存在运行时间长、无法有效保持拓扑结构、空间特征易丢失等缺点。为此，提出一种基于交叉注意的大内核多尺度可变形医学图像配准网络（large kernel multi-scale deformable medical image registration network based on cross-attention,LK-CAUNet）。在经典UNet模型基础上，通过引入交叉注意力模块，实现高效、多层次的语义特征融合；配备大内核非对称并行卷积，使其具有多尺度特征和对复杂结构的学习能力；通过加入平方和缩放模块，实现拓扑守恒和变换可逆。基于脑部MRI数据集，将LK-CAUNet与18种经典图像配准模型进行了比较，结果表明，LK-CAUNet的配准性能较其他模型有明显提升，其Dice得分较TransMorph配准方法提高了8%，而参数量仅为TransMorph的1/5。     

确定地下水污染强度的一种改进的遗传算法

应用反问题方法探讨山东淄博市张店区沣水南部区域地下水中硫酸盐的年入渗强度的数值反演问题.基于最佳摄动思想提出一种改进的遗传算法,数值试验表明了该算法的可行性和有效性.将该算法应用于实际问题的求解,计算结果与实际部门的估算值基本吻合.