一种基于深度神经网络的电力系统调度控制语音识别模型

为了提高电网调度生产效率,需要研发电力系统智能调度助手,而智能调度助手实现的关键是调度控制命令的精准识别,因此,有必要开展适用于电力调度系统的语音识别模型研究。首先,利用深度神经网络的方法,研究适用于电力调度控制系统的语音识别模型。其次,提出了电网调度控制语言特征设计方法,能够有效包容多种方言特征,提高语音识别的准确性。最后,以实际电网为例进行验证,表明了所提方法的有效性。     

一种基于卷积神经网络特征表征的语音情感识别方法

为提高智能语音情感识别系统的准确性，提出了一种基于卷积神经网络CNN(Convolution Neural Network)特征表征的语音情感识别模型，该卷积模型以 Lenet-5模型为基础，增加了一层卷积层和池化层，并将二维卷积核改为一维卷积核，将一维特征预处理后，输送进该模型中，对特征变换表征。最后利用SoftMax分类器实现情感分类，CASIA与 EMO-DB开数据库上的识别结果显示:与Lenet-5网络相比，所设计网络模型的准确率分别提升了1.3％与2％，与SoftMax分类器相比，准确率分别提升了3.8％与6.1％，仿真结果验证了网络模型的有效性。     

基于矢量图的特定辐射源识别方法

发射机的指纹特征具有复杂性,现有的认识水平制约了特定辐射源识别(SEI)的性能。为此,该文提出一种基于矢量图的SEI方法,应用深度学习技术实现了多种复杂特征的联合提取。该文首先分析了多种发射机畸变在矢量图上的视觉表现;在此基础上,以矢量图灰度图像作为信号表示,构建深度残差网络提取图像中的视觉特征。该方法克服了现有认知的局限,兼具高信息完整性和低计算复杂度。实验结果表明,与现有算法相比,该方法能够显著改善SEI的性能,识别增益约为30%。

     

基于深度学习的认知无线电调制参数估计

自动调制分类是电磁空间感知的一个关键问题,目前传统的识别技术很难适应复杂的信号情况。现有的调制分类算法大多忽略了不同特征之间的互补性和特征融合的重要性。基于此,提出一种用于自动调制分类的图像特征融合方法。该方法充分利用了不同图像特征之间的互补性,通过格拉姆角场(Gramian Angular Field, GAF)方法将原始信号转换为图像,同时利用累积极坐标特征转换技术将接收到的信号从I-Q域转换为r-θ域,在r-θ域对原始信号进行特征编码然后转换为图像。使用深度学习对两种图像进行特征提取,将提取的特征融合后用作神经网络分类器的输入,以实现对多种类型信号的自动调制分类。实验结果表明,使用Swin-Transformer网络模型对转换后的图像进行分类,在信噪比大于4 dB的情况下,调制方法的识别率超过90%。     

基于小波网络和HMM的语音识别方法

利用隐马尔可夫模型(HMM)的动态时间序列建模能力及神经网络的模式分类能力,构成混合语音识别模型,同时考虑到语音信号的非平稳性,采用小波分析方法提取语音特征向量。通过时间规整方法,将所有具有可变长度的语音特征向量转换为相同维数的特征向量,从而简化了神经网络的结构。仿真结果表明,采用混合语音识别模型以及时间规整方法,不仅可提高识别率,同时大大缩减了训练时间,获得了很好的识别效果。     

基于环境特征判别学习的欷顽健语音识别方法

提出一种基于环境特征判别学习的顽健语音识别方法，它首先通过使用一个简单的分类器和梯度下降法迭代地学得环境特征，接首利用得到的环境特征从观测到的混噪音特征中估计出纯净的语音特征，然后将估计出来的纯净语音特征用到后端的HMM分类器中，使用所提出的方法对不特定者小词表进行实验，其系统误识率与基本HMM系统相比下降了33.3%。     

人工智能语音交互技术在电力调控领域的应用

本文基于语音交互技术可以实现调控中心现有调控管理工作的智能化升级,通过电力领域的专有模型、历史数据、规程文档构建调控专业语料库和调控语义识别模型,并依此进一步实现智能人机交互,对口述内容予以信息识别,并采用NLP、分词等技术进行语义的解析识别,通过与其他系统建立交互接口的方式,形成联合控制通道,最终实现通过语音的程序化成票、下令、回签、统计、查找等全部工作任务,可以大幅有效减轻人工压力,提升调控工作的执行效率。     

基于改进SSD网络的着舰标志识别方法

鉴于深度学习在图像识别领域的重大进展,在无人直升机自主着舰的应用背景下,针对较为复杂的着舰环境和着舰标志设计,采用单级多区域检测(SSD)网络对着舰标志进行识别.针对SSD网络对小目标识别率低的缺点,基于深度残差网络和特征金字塔网络结构对SSD网络进行了改进,使用ResNet101代替VGG-16网络,并利用特征金字塔...     

基于环境特征判别学习的顽健语音识别方法

提出一种基于环境特征判别学习的顽健语音识别方法 ,它首先通过使用一个简单的分类器和梯度下降法迭代地学得环境特征 ,接着利用得到的环境特征从观测到的混噪语音特征中估计出纯净的语音特征 ,然后将估计出来的纯净语音特征用到后端的HMM分类器中 .使用所提出的方法对不特定话者小词表进行实验 ,其系统误识率与基本HMM系统相比下降了 33 3% .     

基于语音PZCPA时频域特征融合的语音情感识别方法

从人类自然语言中提取和准确分类语音中的情感状态一直是人机交互的一个难点,同时相关研究在人工智能领域发挥着至关重要的作用.为了使语音情感识别系统有更好的鲁棒性,本文提出新的语音情感识别算法结构,主要包括PZCPA特征的提取方法,并且使用该特征进行基于深度学习的时域和频域特征融合,最后使用KNN进行语音情感识别.该算法在德...     

基于音视频的情感识别方法研究

近年来,情感计算逐渐成为人机交互发展突破的关键,而情感识别作为情感计算的重要部分,也受到了广泛的关注。本文实现了基于ResNet18的面部表情识别系统和基于HGFM架构的语音情感识别模型,通过调整参数,训练出了性能较好的模型。在此基础上,通过特征级融合和决策级融合这两种多模态融合策略,实现了包含视频和音频信号的多模态情感识别系统,展现了多模态情感识别系统性能的优越性。两种不同融合策略下的音视频情感识别模型相比视频模态和音频模态,在准确率上都有一定的提升,验证了多模态模型往往比最优的单模态模型的识别性能更好的结论。本文所实现的模型取得了较好的情感识别性能,融合后的音视频双模态模型的准确率达到了76.84%,与现有最优模型相比提升了3.50%,在与现有的音视频情感识别模型的比较中具有性能上的优势。      

基于深度学习的智能机器人语音自动校准系统

针对智能机器人语音校准结果不精准的问题,研究基于深度学习的智能机器人语音自动校准系统。设计语音自动校准引擎A/D电路,通过模拟信号发射范围采集与控制电路原始音频信息,利用紧凑型嵌入式音频接收器接收音频信息。整理与识别音频信息内容,获取语句文本样本集。使用深度学习的正弦和余弦函数编码处理方式构建校正模型的输入部分,通过深度学习的前馈神经网络训练输入样本,完成校正模型输出部分的构建。将训练后的样本输入到校正模型中,得到校正后的文本,实现智能机器人语音自动校准。由实验结果可知,该系统两种指令下的振幅波动范围分别为9～22 dB和7～21 dB,与实际振幅波动情况一致,具有精准校准结果。     

基于电力调度自动化网络安全与实现

从我国电力系统的发展过程中可以看出,电力调度工作逐渐实现了自动化特征,而且电力系统网络的安全性越来越受到人们的广泛关注,主要是由于电力调度工作的安全性直接影响着电力系统的整体运行效率。     

基于深度学习的电力调度数据自动备份系统设计

针对传统电力调度数据自动备份系统缺少对电力数据的调度处理,导致其方法存在稳定性较差等问题,提出基于深度学习的电力调度数据自动备份系统。电力系统调度模块利用深度学习网络,构建不良数据辨识模型,排除电力系统中的不良数据,并生成电力调度数据;电力调度数据备份模块采用在线数据备份模式,并结合深度学习理论,对电力调度数据进行统一备份、恢复和备份介质管理。实验结果表明,文中设计系统能够满足电力调度数据备份的要求,且系统稳定性较强,可以证明该系统的实际应用效果更好。     

基于NLP的语音敏感词智能识别方法

针对语言处理技术精度较差,语音敏感词识别率较低的问题,提出基于自然语言处理技术的语音敏感词智能识别方法。以自然语言处理技术为基础,构建语音处理模型;通过语音分析提取语音中包含的特征参数,依靠决策树方法,设计敏感词识别算法;通过语音敏感词的敏感度计算,将敏感词使用特殊字符标注,实现语音智能的最终识别。实验结果表明：文中设计的智能识别方法,明显优于GSV-SVM和i-vector+PLDA两种识别方法,在相同测试环境中,敏感词识别率分别提升了4.84%、15.24%。     

基于联合残差网络和Bottleneck Transformer的调制格式识别方法

针对未来光网络链路中的传输需求,提出一种基于联合残差网络(ResNet)和Bottleneck Transformer(BT)的调制格式识别(MFI)方法。该方法结合ResNet和BT对6种不同调制格式的信号进行识别,并应用OptiSystem和TensorFlow对其进行仿真。仿真结果表明：在较宽的光信噪比(OSNR)范围内,所提方法的准确率达到了99.72%,并且能够很好地应对传输损伤的影响;与其它深度学习方法相比,该方法性能显著提升。     

一种基于复数残差网络的通信辐射源个体识别方法

在复杂电磁环境的通信辐射源个体识别任务中,针对传统特征提取识别方法分类效果不佳和低信噪比环境下基于实数神经网络的方法识别准确率不高的问题,本文提出了一种基于复数残差网络的通信辐射源个体识别方法。将实际采集的I路和Q路电台数据组合成复数作为输入,根据电台数据集特点选取复数初始化方法、复数激活函数,以改进的复数残差块为基础构建复数残差网络,进一步调整和优化网络结构并运用到辐射源个体识别任务中。通过实验证明,相比于实数残差网络和人工特征提取方法,复数残差网络的性能更优,并且在低信噪比的条件下,基于复数残差网络的方法鲁棒性更强。