噪声补偿应用于与文本无关的说话人辨认研究

通过对VQ码本在线性频谱域进行噪声补偿,使得补偿后的VQ码本逼近测试环境下训练出的码本,从而提高说话人辨认系统的性能。实验中,在不同的信噪比条件下测试辨认率,并将补偿和没有补偿时的辨认率进行比较,结果显示,该算法能够有效地提高说话人辨认系统的性能。     

一种通过去噪来提高图像标注性能的方法

提出一种通过去除噪声来提高分层高斯混合模型的图像标注性能的方法．在有监督多概念标注（supervised Multiclass Labeling,SML）中,它采用了分层高斯混合模型,有效地把大量的表示图片的高斯混合模型聚类成一个表示某概念类的高斯混合模型,从而很容易实现图像的分类和标注．通过引入去噪过程,减少了图片中与概念不相关的高斯分量,消除了噪声高斯分量对分类器的负面影响,从而提高了分类性能．基于TRECVID2005数据的图像标注实验证明,该方法可以取得比SML方法更好的标注性能．     

Advances in SVM-Based System Using GMM Super Vectors for Text-Independent Speaker Verification

For text-independent speaker verification, the Gaussian mixture model （GMM） using a universal background model strategy and the GMM using support vector machines are the two most commonly used methodologies. Recently, a new SVM-based speaker verification method using GMM super vectors has been proposed. This paper describes the construction of a new speaker verification system and investigates the use of nuisance attribute projection and test normalization to further enhance performance. Experiments were conducted on the core test of the 2006 NIST speaker recognition evaluation corpus. The experimental results indicate that an SVM-based speaker verification system using GMM super vectors can achieve appealing performance. With the use of nuisance attribute projection and test normalization, the system performance can be significantly improved, with improvements in the equal error rate from 7.78% to 4.92% and detection cost function from 0.0376 to 0.0251.     

预测自适应Gauss混合模型线谱频率量化

为了实现高质量低速率语音编码,提出了高效线性预测Gauss混合模型(Gaussianmixturemodel,GMM)线谱频率参数量化算法(LP-GMM-LSFQA)。线谱频率(linearspectralfrequency,LSF)参数先去均值,经过一阶线性预测,得到残差信号,将残差用协方差矩阵为对角阵GMM量化算法进行量化。在此基础上,利用反量化后参数自适应更新GMM的加权系数和均值,进一步提出了预测自适应GMM-LSF量化算法(LP-AGMM-LSFQA)。实验表明LP-GMM-LSFQA在20b/帧时量化性能超过预测分裂矢量量化22b/帧时的量化性能,节约2b/帧;LP-AGMM-LSFQA量化性能优于LP-GMM-LSFQA。     

预测自适应Gauss混合模型线谱频率的量化

为了实现高质量低速率的语音编码,提出了高效线性预测Gauss混合模型(Gaussian mixture model,GMM)线谱频率参数量化算法(LP-GMM-LSFQA)。线谱频率(linear spectral frequency,LSF)参数先去均值,经过一阶线性预测,得到残差信号,将残差用协方差矩阵为对角阵GMM量化算法进行量化。在此基础上,利用反量化后参数自适应更新GMM的加权系数和均值,进一步提出了预测自适应GMM-LSF量化算法(LP-AGMM-LSFQA)。实验表明:LP-GMM-LSFQA在20 b/帧时量化性能超过预测分裂矢量量化22 b/帧时的量化性能,节约2b/帧;LP-AGMM-LSFQA量化性能优于LP-GMM-LSFQA。     

一种低码率语音编码矢量量化算法

矢量量化(VQ)是近年来发展迅速的新型的高效信源编码技术,被广泛地应用于移动通信、卫星通信和保密通信等领域。而在矢量量化中,码本的优劣直接影响到 VQ 技术的性能。本文在研究了几种传统的建本算法的基础上,提出了一种高质量的量化方式——非均匀矢量量化(NUVO),并在此基础上提出了适应 NUVO 的建本算法——多级阈值聚类算法(Multi—Stage Threshold Clustering Algorithm——MSTC)。该方案主要建立在矢量自身的概率密度函数(pdf)之上,因此,在质量上有了较大的提高。     

一种新的高斯混合模型参数估计算法

该文提出了一种高斯混合模型（GMM）参数估计的改进算法．原始的特征向量先经Schmidt正交化消除各维间的相关性,再用数学形态学方法估计出各维概率分布中混合分量的真实个数,最后按真实的混合分量个数用EM算法对各维分别作标量GMM参数估计．该方法能缓解GMM传统参数估计算法引起的“不易扩展”的不便．实验结果表明,将其应用于说话人辨认,能在较大幅度提高训练速度的基础上相对传统GMM参数估计方法获得更高的识别率．     

一种使用MUML-CMVDR接收机的SIMO CDMA系统

提出了一种使用基于多用户MIL估计,可以抑制多址干扰(MAI)、符号间干扰(ISI)和噪声的带限制条件的MVDR接收机(MUML-CMVDR Receiver)的SIMOCDMA系统．给出了SIMO CDMA系统模型和CDMA多用户、多径的信道模型,用ML方法进行信道参数估计,然后利用估计到的信道参数给出了分部加权和整体加权2种CMVDR接收机．进行了系统模拟,并对分部加权和整体加权2种MUML-CMVDR接收机的性能、SIMO CDMA系统和其它系统的性能分别进行了比较。     

机械可靠性设计的精确方法—全概率法

研究不同应力分布和强度分布组合下的可靠度计算方法,方法采用以失效物理和和－强度干涉理论为基础的概率法建模,并用数值积分法求解。     

正交频分复用系统中采用离散导频的频偏估计方法

针对采用正交频分复用(OFDM)调制的欧洲数字电视地面广播系统，提出了采用离散导频的载波频偏估计方法。将接收信号中的离散导频与接收机本地生成的离散导频进行相关运算，由相关峰值的偏移量求得整数倍载波频偏，由相关峰值的相位求得每个符号的绝对相位偏转量，再由相邻两个符号的绝对相位偏转量之差求得单个符号时间间隔内的相位偏转，从而得到小数倍载波频偏。仿真结果表明，与传统的采用连续导频的载波频偏估计方法相比，在高斯白噪声信道和慢衰落信道下，采用离散导频的载波频偏估计方法的性能有明显的提高；在快衰落信道中性能则稍差，但仍然保持在系统性能允许的误差范围之内。将离散导频用于载波频偏估计可以提高系统的频谱利用率。     

基于Hopfield神经网络的电力系统扩展规划新方法

提出了一种基于Ｈｏｐｆｉｅｌｄ神经网络模型的电力系统扩展规划新方法，方法考虑了规划问题的特点，提出以二值状态实现数字编码的方法来构成Ｈｏｐｆｉｅｌｄ网络的模型结构，可用来求解输出为整数的优化问题，能量函数中以架线投资和运行费用目标函数，并考虑了等式和不等式的约束。对ＩＥＥＥＥ６节点系统的计算表明这一方法是可行且有效的。