端到端的藏语语音合成方法

近年来，得益于计算机运算能力的提高和语音数据的不断积累，涌现出许多基于机器学习的语音处理新技术，其中基于深度神经网络算法，端到端的Tacotron2语音合成系统框架得到业界广泛的青睐。它是一个开源程序，简单易行，已成功地应用于多种语言和不同音色的语音合成。该文研究Tacotron2在藏语中的应用，取得了良好的实验结果。首先，通过自然语音采集、自动标注、声学分析等构建了一个中等规模(5500句)藏语卫藏方言的语音语料库，其中包括藏文音素转写、特殊符号处理和Mel谱等各项数据；其次，利用开源程序Tacotron2和上述语音库进行了藏语语音合成试验；最后，通过对合成语音和自然语音的偏差分析，和对合成语音的自然度的主观评价，表明了基于端到端的藏语语音合成方法有效地减少合成语音的频谱蜕变，提升了合成语音的自然度。因此，基于“端到端”的Tacotron2合成框架在藏语语音合成中具有重要的应用价值，值得进一步研究和推广应用。     

基于计算成像的端到端延展景深衍射元件的设计

提出一种基于计算成像理论的端到端衍射元件设计方法,通过全局性优化方案将光学设计和图像复原作为整体,从而降低前端光学系统的成像质量要求,并利用图像复原算法去除残余像差以简化系统。所提设计方法涵盖光场传播、探测器去噪和图像后处理等关键环节的模型建立与联合优化。该设计方案可用于景深延展的轻薄型衍射元件的设计,且所适用的大景深的简单光学系统具有较高的成像质量。     

基于抖动测试的AFDX端到端延迟紧性修正

AFDX引入虚拟链路(Virtual Link)实现物理带宽资源的逻辑分隔。由于数据帧的异步到达和多路复用输出造成虚拟链路的时延抖动现象,并最终导致流量端到端延迟分析的不确定性。本文提出了一种基于抖动测试值的网络演算紧缩方法。通过分布式测试,获得虚拟链路在网络中的实际传输抖动,并以此为基础,建立了流量传输精确化模型,通过流量模型的逐级修正,使端到端延迟计算结果逐级精确化。通过将抖动实际值与理论分析结果相结合,提供了网络演算悲观度及其扩散影响度量的直观对比,提高了延迟计算的紧性。     

结合注意力机制的改进U-Net网络在端到端语音增强中的应用

设计了一个适用于端到端语音增强的改进的U-Net (Attention Dilated Convolution U-Net,ADC-U-Net)网络模型。与基线U-Net网络相比,一方面通过加入空洞卷积减小由采样带来的信息损失;另一方面引入了注意力机制结构,结合了含噪语音更多的上下文信息,提取更深层次和更丰富的特征信息。与传统语音增强方法相比,所提模型无需提取特征、对特征去噪、重构语音3个步骤,避免了对显性特征的依赖,转而由网络模型通过多层次多尺度学习获得隐性特征。用多个主客观指标对增强语音的质量和可懂度进行了评价。实验数据显示所提算法在噪声抑制能力和对噪声的适应度方面均表现出良好的性能,与基线U-Net网络及其它模型相比,展示了良好的语音质量和可懂度。     

巡天光谱分类前的预处理——流量标准化

由于噪声、畸变、观测环境和观测设备、以及流量未定标等因素的影响,对天体光谱进行自动识别之前,需要对它进行相应的标准化/预处理。文章研究了对巡天光谱自动分类前的预处理——光谱流量的标准化问题。通过分析光谱流量的干扰因素及其特点,提出了流量数量级变化的基本模型,并给出了相应的流量标准化方法。通过对正常星系和类星体的分类实验,表明文章所给基本模型的正确性,以及所给流量标准化方法良好的性能。并且从理论上分析、比较、解释了上述方法在性能上的差异。特别需要指出的是,研究表明文献中通常采用的流量标准化方法的效果较差。该研究结果对于大型光谱巡天所产生的海量数据的其它自动处理研究(例如,红移测量,天体表面有效温度,和化学丰度估计等)也具有重要的指导意义。     

基于稳健回归M估计的差分吸收光谱反演方法(英文)

基于最小二乘回归,差分吸收光谱技术(DOAS)可以获得痕量气体的大气浓度.鉴于在复杂大气环境下,测量结果可能出现异常值以及误差的非正态分布,导致最小二乘回归估计偏差较大.针对这一情况,本文研究了利用稳健回归M估计来反演DOAS测量光谱数据的方法,讨论了估计过程和效果,并对正常谱和异常谱进行两者回归方法比较.研究结果表明基于稳健回归M估计方法收到了良好的效果,提高了回归可靠性.     

基于网络层析成像的光网络流量矩阵估计方法(英文)

提出一种面向光传输网络的流量矩阵估计方法.采用压缩感知理论研究光传输网络中的流量矩阵估计,根据信号稀疏表示将流量矩阵稀疏化,基于矩阵变换理论提出新的面向光传输网络的网络层析成像模型.该模型克服了已有网络层析成像模型的病态特性,并通过凸优化来获得流量矩阵的估计等式.提出了具体的估计算法,获得关于光传输网络流量矩阵的精确估计.真实网络的数据仿真表明所提出的方法是有效和可行的.     

采用非局部主成分分析的极大似然估计图像去噪

本文提出一种采用非局部主成分分析的极大似然估计去噪方法.首先采用非局部主成分分析算法来计算像素邻域间的灰度值和纹理结构相似性,然后通过极大似然估计方法估计最优复原图像.本方法使用非局部主成分分析克服现有局部性去噪方法模糊边界等缺陷,引入极大似然估计方法来改进现有非局部均值的简单加权均值去噪处理,从而提高对图像细节信息的...     

采用非局部主成分分析的极大似然估计图像去噪

本文提出一种采用非局部主成分分析的极大似然估计去噪方法.首先采用非局部主成分分析算法来计算像素邻域间的灰度值和纹理结构相似性,然后通过极大似然估计方法估计最优复原图像.本方法使用非局部主成分分析克服现有局部性去噪方法模糊边界等缺陷,引入极大似然估计方法来改进现有非局部均值的简单加权均值去噪处理,从而提高对图像细节信息的复原能力.最后分别使用本文方法、非局部均值和局部极大似然估计三种去噪方法,在不同噪音大小和不同几何纹理复杂度的图像中进行定性和定量的去噪实验.结果表明,本文方法可在保持图像细节和纹理信息的情况下有效去噪,较之现有方法效果更好.     

绿色数据中心流量感知虚拟机迁移(英文)

绿色数据中心内将虚拟机迁移并整合到更少数目的物理机上,从而关闭或睡眠空闲的物理机,是非常高效的数据中心节能方法.本文构建了新的流量感知虚拟机迁移模型,把物理机使用数量、流量代价、迁移代价影响都置入模型,使得虚拟机的迁移方案达到缩减物理机目的的同时,减少网络代价和迁移过程中的代价。提出了最小流量代价优先匹配的贪婪算法来解决这个多目标优化问题。仿真结果显示,这个多目标的优化中,多个优化目标之间存在一定的冲突,因此需要折中处理。该算法在物理机数量和迁移代价两个目标上做出了微小的让步,得到了较好的流量代价优化。实际的迁移算法应用中,还应考虑各个部分的真实能耗,采取合理的折中处理.     

基于PCA-BP神经网络的EDXRF分析测定地质样品中铁、钛元素含量的应用研究

为实现地质样品中元素含量的准确预测,提出了基于主成分分析(PCA)的改进型BP神经网络模型。采用X荧光光谱法,对新疆西天山地质样品中Fe,Ti,V,Pb和Zn等元素进行测量,将得到的X荧光计数作为输入变量,应用该模型对未知地质样品中Fe和Ti元素进行定量预测。结果表明：主成分分析与改进型BP神经网络模型取得了较好的预测效果,预测结果与化学分析值的相对误差小于3%,为地质样品元素含量预测提供了一种新型有效的方法。