微型计算机在喉疾病声谱分析中的应用

通过应用微机和北京邮电大学通用信号谱分析系统，分别对喉病患者和同年龄健康人的嗓音信号进行声谱分析，探索正常嗓音和病态嗓音的声学特征与规律，检测方法无痛苦、精度高、可视性强、客观化程度较高，为医务工作者早期诊断某些喉疾病提供参考数据     

基于C/S的高校机房管理系统研究与设计

介绍如何使用纯软件方式满足高校机房管理的实际需求。系统采用C/S架构,以学生登录帐号管理为核心。     

车辆牌照识别系统的设计

利用数字图像处理技术以及神经网络技术对车牌识别系统进行研究。首先从采集的牌照图片中进行车牌定位,车牌字符分割,字符特征提取,最后送入BP神经网络进行识别。     

X射线衍射的教学

本文提出了一种从平面透射光栅过渡到晶体的Ｘ射线衍射的教学方法．     

经颅磁刺激中线圈平面磁场分布计算

经颅磁刺激中载流线圈的设计非常重要。本文根据毕奥 萨伐尔定律 ,计算磁刺激载流线圈在其平面内的磁感应强度的分布 ,该分布结果对于指导磁刺激线圈的设计具有实际意义。     

基于GMM的说话人识别

通过运用mat1ab软件编程对语音信号进行了基音提取,并以MFCC、基于基音周期和MFCC的特征组合参数作为特征参数,建立了基于GMM模型的说话人识别系统。并通过识别实验得出的实验结果,发现使用基于基音周期和MFCC的特征组合参数作为特征参数,在人数为50-180人范围内,能够有效提高基于GMM说话人识别系统识别率。     

影响声带振动模式的喉疾病物理分类

通过分析声带的生理结构和喉疾病对声带振动模式的影响，从物理上将喉疾病根据其起因归纳为主要影响声带本体层振动和主要影响声带覆盖层振动的两大类；并认为频域相对信噪比是区分病态噪音和正常嗓音的有效参数，协同监视病态嗓音的频率微扰商和振幅微扰商参数的异常可基本识别上述两类疾病。     

基于HHT变换和神经网络的病态嗓音识别

采用一种全新的高精度时频分析方法:Hilbert-Huang变换,分别对正常嗓音和病态嗓音信号进行时频分析。实验结果表明,当嗓音发生病变时,其Hilbert谱和边际谱将有明显改变。在此结果的指导下,本文提出一种适合识别病态嗓音的特征参数:EMD-MFCC参数,并使用径向基神经网络对正常嗓音和病态嗓音信号进行识别。实验结果初步表明:由HHT方法和神经网络结合可以有效区分出病态嗓音。     

基于深度学习的语声抑郁识别*

世界各地抑郁症患者数量不断增多,抑郁症的诊断和治疗面临着医生短缺问题,针对这一问题,提出了CNN和结合注意力机制的BLSTM特征融合模型。从特征选择和网络构架两方面进行了研究,对比了几种经典语声特征,得出梅尔倒谱系数对抑郁分类效果最好,再将梅尔倒谱系数分别送进CNN和结合注意力机制的BLSTM网络实现抑郁分类。在DAIC-WOZ数据集上进行实验,所提出的方法对语声抑郁的分类精确度达到78.06 %,F1分数达到74.68%。 关键词：抑郁识别;语声分析;分类     

淹水还原条件对不同土壤中镧形态分布的影响

以旱作条件为参照,研究淹水还原条件对镧形态分布的影响。结果表明:淹水还原条件对内源镧B1态:水溶态、可交换态与碳酸盐结合,B2态:铁锰氧化物结合态,B3态:有机质及硫化物结合态的分布没有显著影响;对于外源镧,B1和B3态受淹水条件影响较大,相对于旱作条件,其浓度有增加的现象,淹水条件下B2态在中性土壤中含量稳定,酸性土壤中含量下降,而碱性土壤中含量则上升,产生变化的具体机制还有待进一步研究。两种模拟条件下外源镧3种形态的分布未达到显著性差异。不论在旱作还是淹水条件下,3种土壤中外源镧各形态浓度顺序相同,B1和B2态为:黄红壤黄褐土砂姜黑土,B3态为:砂姜黑土黄褐土黄红壤;两种模拟条件下,3种土壤中的外源镧有进入残渣态的趋势,但并不明显,且不同土壤的各形态对残渣态的贡献不同。