面向语音增强的序贯隐马尔可夫模型时频语音存在概率估计

语音存在概率的估计是语音增强的核心技术之一,针对传统的存在概率估计方法是启发式的,没有把存在概率的估计统一到一个理论框架之中,不能保证估计最优,提出了一种基于序贯隐马尔可夫模型(SHMM)的存在概率估计方法,在每一子带上构建一个SHMM模型描述对数功率谱包络的时间序列,把谱包络序列看作一个在语音和噪声状态之间转移的动态一阶马尔可夫链,采用单高斯函数构建每一状态的概率模型,语音状态的后验概率即为语音信号的存在概率。为了满足算法实时性要求,SHMM参数估计简化为一阶回归过程,根据极大似然准则逐帧更新模型参数。实验表明:SHMM所描述的时序相关性对存在概率的估计起到关键作用,它优于一般的启发式估计方法;SHMM算法的语音增强分段信噪比(SegSNR)和对数谱失真(LSD)性能优于经典的改进型最小统计量控制递归平均(IMCRA)算法。      

改进TOPSIS法的装备可靠性评估方法

装备的可靠性是完成遂行任务必备条件,对装备可靠性进行评估可为任务决策提供理论支持。目前关于装备可靠性评估方面的研究大多数都是基于概率统计学的,而概率统计的准确性受限于样本的大小,从而使得基于概率统计学的装备可靠性评估因装备样本的大小而产生不可避免的或大或小误差。为解决这一评估受样本大小制约的问题,引入逼近理想点（TOPSIS）法。同时,针对TOPSIS法受主观因素影响较大的问题,修定了该法评估指标权重及理想解的确定方法,并在评估结果中引入了“合格分数线”的概念,使得评估结果等级划分有了量化依据,从而体现出了客观性和科学性,然后构建了某装备基于该改进TOPSIS法的可靠性评估模型。最后,通过示例分析,利用MATLAB计算验证了本文方法的正确性,评估结果可为装备的使用者或指挥者提供决策依据。     

基于多维状态参量和时间序列对电机的异常检测

针对传统对电机的异常检测常常出现误判或滞后的情况,采用基于时间序列对电机单一状态参量用AR拟合,同时利用SOM神经网络无监督的方式量化电机数据。然后,利用得到的量化序列结合AR曲线得到序列的转移概率,及早发现某种状态参量的异常变化;之后,DBSCAN算法挖掘多维参数之间特征关系来确定电机是否出现异常。最后结合实例说明该方法的检测过程,并对比验证了该方法的优越性。     

基于双参数Weibull分布的视频编码率失真模型的研究

对视频序列离散余弦变换(DCT)系数统计分布进行了分析,提出了一种基于Weibull概率密度的视频DCT系数统计模型,该模型较Laplace概率密度与Cauchy概率密度更好地描述了视频序列的DCT特征.随后以该统计模型为基础,依据熵编码的理论分别给出了视频序列的速率-量化关系和失真-量化关系,并根据实际视频序列特性对其进行合理地简化近似,得到一种新的较为精确的视频序列率失真模型.经大量仿真实验证明,文中提出的基于Weibull分布的率失真模型对于Intra帧和Inter帧两种编码的真实视频序列率失真特性都具有较好的描述.     

极端事件再现时间长程相关性与群发性研究

利用百分位阈值方法定义极端事件,从极端事件再现时间的角度,研究了极端事件发生时间间隔的长程相关性.发现若原时间序列具有长程相关性,则它的极端事件再现时间序列也具有长程相关性,计算表明两者的标度指数α相当接近,这一特性与随机产生的再现时间序列有着本质的差别,再现时间序列的长程相关性是由原序列的长程相关性决定的.具有长程相关性的时间序列再现时间的概率分布明显不同于随机序列,其小值再现时间的概率较大,反映出极端事件的群发现象.本文根据这一特征定义了再现时间的群发性指数,发现时间序列的长程相关性是导     

基于符号动力学的开关变换器时间不可逆性分析

本文提出了一种采用符号动力学和相对熵理论分析开关变换器非线性特性的新方法.根据迭代映射描述的开关变换器非线性系统得到离散数值序列,基于拓扑共轭理论将其转化为符号序列,通过前向序列和后向序列概率计算该符号序列的相对熵.文中以一阶电压反馈DCM Boost变换器为例,研究结果表明,开关变换器存在时间不可逆性,相对熵数值能够量化开关变换器处于混沌状态时离开平衡点的距离,从而得到一种新的可量化的开关变换器非线性动力学行为指标.     

基于自适应量化的超光谱图像压缩

提出了一种基于谱间预测和小波量化编码的超光谱图像压缩方法。在充分考虑子带图像非平稳特性的基础上,首先实现了子带分类步骤,通过分类设计自适应预测器,提高了谱间去相关效率。由于子带中不同子类表现出了不同的统计特性,所以使用空变均匀阈值量化器完成了量化工作。研究了均匀量化器对不同分布训练样本的率 失真表现,并为相关特性建立了模型描述。基于率失真模型和系数序列的统计特性,提出了一个率分配算法,以便能为不同的子类系数序列设计率失真意义上的最优量化器。实验证明,这种方法能高效地压缩超光谱图像,表现出了优异的压缩性能。     

在变值测量模拟中的条件概率统计分布

针对常见的两类量子交互干涉实验,Young 氏双缝干涉和超低强度长时间曝光量子交互结果显示出的明显波动统计分布特性,本文基于另一种经典概率测量模型Bayes统计依据的条件概率方法,提出条件概率变值测量模型,建立了测量模拟方法,给出了不同参量的测量公式,并对相关的重要条件进行描述.通过2个具体例子按每个函数形成四组16个...     

汉语语音识别中基于区分性权重训练的声调集成方法

提出一种区分性方法,将声调信息加入大词汇量连续语音识别系统中.该方法根据最小音子错误准则,区分性地训练模型相关的概率权重.利用这些权重对传统基于传统谱特征的隐马尔可夫模型概率以及声调模型概率进行加权,通过调整模型之间的作用程度提高系统识别率.推导了利用扩展Baum-Welch算法的权重更新公式.对不同模型权重组合策略进行了评估,并利用权重之间的平滑方法来克服权重训练过拟合的问题.分别通过大词汇连续语音的带调音节输出和汉字输出两种识别任务来验证区分性模型权重训练的性能.实验结果表明在两种识别任务上,区分性的模型权重较使用全局模型权重分别获得9.5%以及4.7%的相对误识率降低.这表明了区分性模型权重对提高声调集成性能的有效性.     

基于HMM的机载设备状态健康评估方法研究

针对机载设备的状态健康评估问题,采用隐马尔科夫模型(HMM)对其进行性能退化程度的评估。首先引入状态条件概率矢量对HMM进行不确定性改进,并推导了其表达式;其次以状态条件概率比值为基础,给出了机载设备状态等级量化分值的计算方法,并据此设计了机载设备状态健康评估流程。最后以飞机发动机温控放大器为例进行仿真验证,结果表明上述方法能够给出直观、准确的状态评估结果。     

基于虚拟现实的动车组维修性验证系统研究与设计

针对动车组维修性验证方法不足的问题,提出了采用虚拟仿真手段对维修性进行验证的方法;结合动车组系统的特点,对基于虚拟现实的动车组维修性验证系统进行了方案设计,给出了维修性验证具体流程,研究了三维虚拟样机建模的基本方法;虚拟维修性验证系统有效提高了动车组维修性设计效率,缩短了研制周期,是一种实现动车组维修性并行优化设计的有效方法。     

基于FMECA的飞参采集器维修性信息分析

维修性作为决定产品维修品质与寿命、周期和费用的关键因素之一,它是一种设计属性且日益受到各方的重视,特别是航空维修系统;某型飞机进入修理阶段需要开展机载设备维修设计,针对该机装备的新型飞参采集器的维修准备中保障资源确定无输入依据信息的问题,提出了一种基于FMECA的信息分析方法;首先介绍了FMECA,其次分析了采集器的任务功能、功能组成结构及可靠性框图,再次根据各模块的故障模式及其影响、危害性和基本维修措施等内容编制FMECA维修性信息分析表;最后进行危害性分析并绘制出危害性矩阵图,找到了对采集器危害性最大和影响较大的故障模式,避免了传统维修性分析方法的盲目性和主观性,表明FMECA的信息分析方法在航空产品维修性分析中有较好的应用和推广价值。     

基于构件的可配置嵌入式应用程序设计模式

为了解决自动气象站采集器嵌入式应用程序维护、扩展困难的问题,提出了一种基于构件的可配置嵌入式应用程序设计模式,把传统的嵌入式应用程序拆分成功能构件、框架构件、配置构件和解析器,通过组装构件的方式开发应用程序。实验程序实现了数据采集、数据质量控制、数据计算、数据存储和基本的通信协议。并且基于此套设计模式,可以方便地进行气象要素和导出量的配置,或者对软件的功能进行扩展。实验结果表明,此套设计模式大大地提高了嵌入式应用程序的易维护性、易扩展性以及开发效率。     

自动化测试框架技术及应用

自动化测试技术是软件测试未来的发展方向,自动化测试过程中会遇到测试脚本维护困难、脚本维护工作量大、重用性差、测试效率低的问题;怎样引入自动化测试框架技术解决上面的问题是测试工程师一直在探讨和研究的主流问题;探讨研究了在自动化测试框架技术应用过程中遇到的下列问题:脚本库中测试脚本存放技术;测试用例设计技术;测试数据的管理和分类技术;对象库共享技术等;初步达到了以下结果:提高了测试代码的可重用性和可维护性,测试执行更有效,从而降低了测试成本;最后使用了协同办公平台实例,从而证明了基于QTP的协同办公平台的自动化测试框架可以降低多余的代码量,加快代码生成速度,缩小测试周期等特点,从而提高代码的利用率和可维护性。     

Measuring Software Maintainability with Naïve Bayes Classifier

Software products in the market are changing due to changes in business processes, technology, or new requirements from the customers. Maintainability of legacy systems has always been an inspiring task for the software companies. In order to determine whether the software requires maintainability by reverse engineering or by forward engineering approach, a system assessment was done from diverse perspectives: quality, business value, type of errors, etc. In this research, the changes required in the existing software components of the legacy system were identified using a supervised learning approach. New interfaces for the software components were redesigned according to the new requirements and/or type of errors. Software maintainability was measured by applying a machine learning technique, i.e., Naïve Bayes classifier. The dataset was designed based on the observations such as component state, successful or error type in the component, line of code of error that exists in the component, component business value, and changes required for the component or not. The results generated by the Waikato Environment for Knowledge Analysis (WEKA) software confirm the effectiveness of the introduced methodology with an accuracy of 97.18%.     

基于小波域三状态HMT模型的含噪图像增强

针对含噪图像增强问题,提出一种基于小波域三状态隐马尔可夫树模型的方法,采用三状态的高斯混合模型逼近小波系数的分布,不需要设定精确的阈值,依据期望最大算法训练得到的每个系数所属状态的后验概率,将系数区分为噪声系数、弱边缘系数和强边缘系数,然后通过抑制噪声系数,增强细节特征系数来达到对含噪图像增强的目的,并引入循环平移策略避免人工失真.通过对含噪的标准图像和人脑核磁共振图像进行仿真实验,并与几种经典的图像增强方法作视觉上的对比和定量分析.实验结果表明,本文所提出的方法具有很好的鲁棒性,在突出了图像中更多的细节信息的同时,可以有效抑制噪声.     

基于TD-LTE短信平台的智能排队叫号系统设计

随着经济和社会的快速发展,服务行业的种类和业务量急剧增长,排队等候成为人们经常面临的问题。为了解决排队等候的秩序问题,智能排队叫号系统应运而生。本文设计了一种基于TD-LTE短信平台的智能排队叫号系统,该系统可以通过APP预约软件进行排号,也可以通过服务大厅的固定取号端进行排队取号,方便了人们办理各种业务,节省了排队时间。该系统采用了软硬件协同的方法进行设计,各模块之间使用无线方式进行连接,简化了布线的复杂性。该系统具有安装快捷,使用维护方便,成本低廉,便于扩展等特点。     

开放网络环境下软件安全性测试技术研究

在开放网络环境下软件容易受到攻击,导致软件故障,需要进行安全性测试,针对无监督类测试方法开销较大和复杂度较高的问题,提出一种基于半监督自适应学习算法的软件安全性测试方法。首先采用模糊度量原理构建软件安全测试的半监督学习数学模型,分析软件产生安全性故障的数组特征,然后通过软件故障的熵特征分布方法进行软件的可靠性度量,在开放式网络环境下建立软件可靠性云决策模型,实现安全性测试和故障定位。最后通过仿真实验进行性能验证,结果表明,采用该方法进行软件安全性测试,对软件故障定位的准确度较高,测试的实时性较好,保障了软件的安全可靠运行。     

KEADA: Identifying Key Classes in Software Systems Using Dynamic Analysis and Entropy-Based Metrics

Software maintenance is indispensable in the software development process. Developers need to spend a lot of time and energy to understand the software when maintaining the software, which increases the difficulty of software maintenance. It is a feasible method to understand the software through the key classes of the software. Identifying the key classes of the software can help developers understand the software more quickly. Existing techniques on key class identification mainly use static analysis techniques to extract software structure information. Such structure information may contain redundant relationships that may not exist when the software runs and ignores the actual interaction times between classes. In this paper, we propose an approach based on dynamic analysis and entropy-based metrics to identify key classes in the Java GUI software system, called KEADA (identifying KEy clAsses based on Dynamic Analysis and entropy-based metrics). First, KEADA extracts software structure information by recording the calling relationship between classes during the software running process; such structure information takes into account the actual interaction of classes. Second, KEADA represents the structure information as a weighted directed network and further calculates the importance of each node using an entropy-based metric OSE (One-order Structural Entropy). Third, KEADA ranks classes in descending order according to their OSE values and selects a small number of classes as the key class candidates. In order to verify the effectiveness of our approach, we conducted experiments on three Java GUI software systems and compared them with seven state-of-the-art approaches. We used the Friedman test to evaluate all approaches, and the results demonstrate that our approach performs best in all software systems.     

The Phase Transition in the Three-State Potts Model: An Analytical Analysis

Weinvestigate thephase transition of the three-state Potts model in an analytical approachthe generalized cumtilant expansion with the effective mean field Itypothesis. We find a first order phase transition in the three-dimensional three-state Pot ts model with ferromagnetic nearest neighbor (nn) coupling. For the model with antiferromagnetic next-to-nearest neighbor (nnn) coupling, pe find a first order transition when tlle relative strength of the nnncoupling γ is fixed to -0.2. The critical values given by this method are also in agreement with the recent high statistics Monte Carlo results.