基于双向循环神经网络的汉语语音识别*

当前基于深度神经网络模型中,虽然其隐含层可设置多层,对复杂问题适应能力强,但每层之间的节点连接是相互独立的,这种结构特性导致了在语音序列中无法利用上下文相关信息来提高识别效果,而传统的循环神经网络虽然做出了改进,但是只能对上文信息进行利用。针对以上问题,该文采用可以同时利用语音序列中上下文相关信息的双向循环神经网络模型与深度神经网络模型相结合,并应用于语音识别。构建具有5层隐含层的模型,其中第3层为双向循环神经网络结构,其他层采用深度神经网络结构。实验结果表明:加入了双向循环神经网络结构的模型与其他模型相比,较好地提高了识别正确率;噪声对双向循环神经网络汉语识别有重要影响,尤其是训练集和测试集附加噪声类型不同时,单一的含噪声语音的训练模型无法适应不同噪声类型的语音识别;调整神经网络模型中隐含层神经元数量后,识别正确率并不是一直随着隐含层中神经元数量的增加而增加,神经元数量数目增加到一定程度后正确率出现了降低的趋势。     

一种非正交对称条带束流位置监测器设计

介绍了一种条带束流位置监测器(BPM)的设计与仿真方法。在国家同步辐射实验室"太赫兹近场高通量材料物性测试系统"工程项目中,针对波荡器出口处真空室非正交对称性的问题,设计了矩形真空室和跑道形真空室下的两种非正交对称性条带BPM,并与传统的圆形真空室下条带BPM进行对比。基于边界元法,利用MATLAB软件分别对三种真空室下的条带BPM进行建模和仿真。仿真结果表明:相对于传统的圆形真空室下条带BPM,矩形和跑道形真空室下条带BPM灵敏度提高了30%,阻抗匹配误差相对降低了20%,束流位置拟合误差降低了80%。考虑加工精度,矩形真空室下的条带BPM更适用于该工程。     

封面图片说明

港珠澳大桥是世界桥梁史上里程碑式跨海大桥,地处台风多发区,长期服役中的不利载荷将不可避免导致其损伤积累和抗力衰减.因此结合损伤识别、传感测试、信号分析等多学科交叉的桥梁安全监测技术确保其安全运营,是一个重要而紧迫的科学问题.     

语音通信降噪研究

语音通信系统中，语音通过信道传输将不可避免地引入码间串扰和信号畸变，同时受到噪声污染。本文在分析自适应盲均衡算法CMA(constant modulus algorithm）和改进盲均衡算法的基础上，考虑到自适应盲均衡技术在语音噪声控制方面能力有限，将自适应盲均衡技术与小波包掩蔽阈值降噪算法联合使用，形成一种基带语音增强新方法。仿真试验结果显示自适应盲均衡技术可以使星座图变得清晰而紧凑，有效减小误码率。研究证实该方法在语音信号ISI和畸变严重情况下，在白噪及有色噪声不同的噪声环境中都具有稳定的降噪能力，消噪同时可获得汉语普通话良好的听觉效果。     

基采用时频区域检测的雷达信号盲分选算法

为了解决欠定条件下密集雷达信号分选问题,提高雷达信号盲分选算法精度,提出了一种采用时频区域检测的雷达信号盲分选算法,首先利用短时傅立叶变换将混合信号映射至时频平面进行处理,然后通过聚类算法估计出混合矩阵,从而反解出源信号矩阵,进而估计出每一雷达源信号,能够在信号的时频平面投影相交且欠定的条件下,实现信号分选功能.仿真实验结果表明:提出的算法相比于传统的类MUSIC算法及其衍生的相关改进算法具有更高的分选精度和算法收敛性,且估计得到的源信号时域波形更优,体现了其有效性和优越性.     

基于S变换的地震信号降噪方法研究

S变换在分析非平稳信号时能有效地反映出频率随时间的变化,但由于其窗函数是固定不变的,在实际中应用受到了限制.从基本理论出发,推导出一种改进的S变换形式,并对合成信号分别进行傅立叶变换、s变换和改进的S变换,通过对比发现:改进的s变换方法能够更好地分辨非平稳信号的频率特性,比S变换具有更高的分辨率.最后应用改进的s变换方法对地震背景噪声数据进行了去噪处理,取得了较好的结果.     

基于小波Fisz变换的X射线脉冲星信号降噪研究

针对X射线脉冲星信号信噪比低,难以获取精确脉冲星信号相位的问题,提出了基于WaveletFisz变换的X射线脉冲星信号的估计方法.根据X射线脉冲星信号特性建立了信号模型,推导了Wavelet-Fisz变换理论,利用该变换将X射线脉冲星信号逼近于高斯分布,对变换后的信号数据进行估计.对大量RXTE的实测数据进行分析,结果表明在Wavelet-Fisz变换下能获得较好的估计性能,且耗时小,有利于X射线脉冲星导航的工程应用.     

基于Hilbert变换的LFM检测与估计

LFM(线性调频)信号是一类重要的非平稳信号,其完全被初始频率和调频斜率两个参量表征,而LFM信号的检测与估计问题是信号处理中最为重要的研究热点之一.由于调频信号在时频平面内有较好的聚集性,通常使用时频分析的方法对其进行检测和估计.线性正则变换是经典时频分布的广义形式,对LFM信号具有很好的能量聚集特性,在现有的线性正则域Hilbert变换的基础上,提出了一种不需要谱峰搜索而快速检测LFM信号和估计其参数的方法,并且通过仿真实例验证了所提出方法的优越性.     

新药炎琥宁的碳氢NMR信号全归属

炎琥宁为中药提取物穿心莲内酯经结构改造后获得的一个抗菌、抗病毒新药,本文应用1D NMR和脉冲梯度场2D NMR实验技术（gCOSY,gHSQC,gHSQC-TOCOSY,gHMBC）对其结构进行了研究,并首次对其¹H NMR、¹³C NMR谱信号进行了全归属.