混沌系统模型误差平均绝对误差增长过程研究

混沌系统的平均绝对误差增长最初是用来刻画初始值误差增长的,本文依照平均绝对误差增长的定义来研究模型误差的增长过程,获得了一些很有意义的结论．研究发现,在初期模型误差的平均绝对误差增长呈指数级增长,增长指数同模型的扰动相关,与真实系统最大Lyapunov指数没有直接关系．其后模型误差进入非线性增长过程,误差增长放缓,最终达到饱和．误差饱和值恒定,当真实系统和模型系统吸引子差别较小时,模型误差饱和值基本上同真实系统的初始值误差饱和值相等．利用上述研究结论可以求出模型的可预报期限,这在数值天气预报中具有重要的意义．进而利用模型的可预报期限可以对同一真实系统的不同模型进行评价,相对真实系统越精确的模型拥有更高的可预报期限．这对新模型的开发具有很强的指导作用．     

基于平均场理论的微博传播网络模型

微博是在通过用户关注机制建立的用户网络上分享实时信息的社交平台,而微博消息主要通过用户的转发行为使消息在用户网络上传播.掌握微博消息的传播机制,对研究微博上舆论谣言的传播、产品推广等具有指导作用.本文通过对微博传播网络的结构分析来探索微博传播过程,利用新浪微博数据,建立微博传播网络,分析该网络的生成机制,使用平均场论的方法,推导微博传播网络的度分布模型.实验结果表明:微博传播网络的度分布是时间相依的,在特定时间下网络的度分布服从幂律分布.     

短时频谱通用背景模型群联合韵律的年龄语音转换

提出一种短时频谱通用背景模型群与韵律参数相结合进行年龄语音转换的方法。谱参数转换方面,同一年龄段各说话者提取语音短时谱系数并建立高斯混合模型,然后依据语音特征相似性对说话者进行聚类,每一类训练一个通用背景模型,最终得到通用背景模型群和一组短时频谱转换函数。谱参数转换之后再对共振峰进一步微调。韵律参数转换方面,基频和语速分别建立单高斯和平均时长率模型来推导转换函数。实验结果显示,提出的方法在ABX和MOS等评价指标上比传统的双线性法有明显的优势,相对单一通用背景模型法的对数似然度变化率提高了4%。这一结果表明提出的方法能够使转换语音具有良好目标倾向性的同时有较好的语音质量,性能较传统方法有明显提升。     

基于飞行计划的惯性导航误差模型分析

为了更有效地评估民航飞机惯性导航性能,更好地分析其惯导数据相对于飞行计划的误差。提出一种新方法整体分析惯导误差,将飞行计划航迹离散化计算出误差数据,使用小波多尺度分析方法,经小波变换将误差分为高频与低频两部分,将非平稳的低频部分进行差分处理转化为平稳时间序列,最终建立惯导误差数据的自回归滑动平均（ARMA）模型。通过与实际快速存取记录器（QAR）数据对比验证,此模型能较好地描述惯导误差,较为准确地描述了民航飞机惯性导航误差,为进一步分析其特性及规律奠定了基础。此方法可用于评估民航飞机惯导性能。     

语音清晰度和平均混响时间在车内声学中的应用

乘用车的车内声学性能直接影响人的主观感受,但仅靠主观评价来判定是不够的;必须通过引入有力的客观参量来刻画车内听觉的舒适度效果。而如何来设计车内噪声试验方案来诊断和改善声学水平则成了一个重要的环节。在乘用车车内噪声品质的开发过程中,综合应用语音清晰度和平均混响时间两个指标对车内吸声性能进行了对比分析。通过对实车主观评价和客观测试,讨论了语音清晰度、车内平均混响时间、吸声系数和声压衰减斜率的概念及相互关系,从而确定了高速道路行驶工况下的语音清晰度主要取决于车内吸声材料的性能。提出了将车内相关部位进行材料吸声改进作为改善语音清晰度的主要措施之一。     

采用低维特征映射的耳语音向正常音转换

在将耳语音转换为正常音时,为了研究降维后语音特征对耳语音转换的影响,分别对耳语音和正常音谱包络进行自适应编码以提取耳语音和正常音的低维特征,然后使用BP网络建立耳语音和正常音低维谱包络特征之间的映射关系以及正常音基频和耳语音低维谱包络特征之间的关系。转换时,根据耳语音低维谱包络特征获得对应正常音的低维谱包络特征和基频,对低维谱包络特征进行解码后获得对应的正常音谱包络。实验结果表明,采用此方法转换后的语音与正常音之间的倒谱距离相比高斯混合模型方法下降了10%,转换后语音的自然度和可懂度都有所提高。     

基于扩展平均的多步相移算法及误差抑制特性比较

为满足移相干涉测量中纳米甚至亚纳米高准确度检测要求,需采用对误差敏感度更低的相移算法.基于扩展平均技术,在传统4步和3步算法的基础上分别推导了A类和B类5~13步相移算法公式,以5、6、7和13步算法为例,通过仿真及数值计算,比较了两类算法对相移器移相误差及CCD非线性误差的抑制特性.结果表明:同类算法下,步数越多的算法,对这两项误差的抑制效果越好,但达到一定步数后对测量的影响可以忽略;B类算法具有增强的移相误差抑制能力,在相移不准情况下可优先选用B类算法;A类算法对CCD非线性误差几乎完全免疫,而B类算法受一定CCD非线性误差影响,但对大多数高准确度CCD来说,其在常规检测中的影响可以忽略;由相移噪音引入的随机性测量误差的极大值要略大于相移噪音本身,且不同算法对相移噪音的抑制效果差别不大,因此相移噪音对测量的影响不可忽略.文中给出了不同误差影响下各算法引入波面检测误差的比较数据,研究结果可为实际干涉测量中最适相移算法的使用和选用提供理论指导及数据参考.     

显示量化误差对色域转换的影响

彩色显示的研究或设计人员经常面对不同显示系统之间的色域转换,由于多种因素的影响,转换后的色域往往存在着偏差。阐述了不同色域之间转换的基本原理和量化形式确定情况下的具体转换方式;同时在色域的三维模型上对转换误差进行了分析,并在这种偏差分析的基础上,详细论述了量化误差给色域变换带来的影响。其中结论可以用来评估色域转换的质量;同时,针对于确定的显示基色参数,是否能正确获得转换的颜色,以及这种相互关系可以由确立的三维模型更清楚地表现出来。     

基于听觉模型的耳语音的声韵切分

本文分析了耳语音的特点，并根据生理声学及心理声学的基本理论与实验资料，提出了一种利用听觉模型来进行耳语音声韵切分的方法。这种适用于耳语音声韵切分的听觉感知模型主要分为四个层次：耳蜗对声音频率的分解机理；听觉系统的时域和频域非线性变化；中枢神经系统的侧抑制机理。这种模型能反映在噪声环境下人对低能量语音的听觉感知特性，因而适于耳语音识别，在耳语音声韵母切分实验中得到了满意的结果。     

双路注意力循环网络的轻量化语音分离

提出了双路注意力循环网络的轻量化语音分离方法。首先,该方法使用基于“双路注意力机制”和“双路循环网络”的可选择分支结构对语音信号进行建模,从而提取深层特征信息并降低模型的参数量。其次,引入子带处理技术,从而降低模型的计算量。在LibriCSS数据集上的实验结果表明,该方法取得的平均词错误率为8.6%,且参数量和计算量分别仅为0.15 MiB和15.2 G/6s,与当前主流方法相比,分别减小了3.3～391.3倍和1.1～3.2倍。这表明,所提方法在取得高语音分离性能的同时,能有效地降低模型的参数量和计算量。     

基于人耳听觉模型的自动嗓音评估方法

在嗓音评估系统的长元音谐噪比分析中,针对传统方法在普通傅里叶变换域上进行谐波成分计算并且需要对样本进行人工选择切分的情况,提出了一种新谐噪比计算方法,能够自动切分出长元音中稳定部分,并采用了更贴近人耳听觉模型的时频分析办法,使对长元音的分析能够更稳定更贴近人耳主观听觉.同时由于没有人工干预,使得评估标准更加统一,结果更加客观. 关键词： 嗓音评估 听觉模型 长元音分析 谐噪比计算     

采用联合字典优化的噪声鲁棒性语音转换算法

针对含噪语音难以实现有效的语音转换,本文提出了一种采用联合字典优化的噪声鲁棒性语音转换算法。在联合字典的构成中,语音字典采用后向剔除算法(Backward Elimination algorithm,BE)进行优化,同时引入噪声字典,使得含噪语音与联合字典相匹配。实验结果表明,在保证转换效果的前提下,后向剔除算法能够减少字典帧数,降低计算量。在低信噪比和多种噪声环境下,本文算法与传统NMF算法和基于谱减法消噪的NMF转换算法相比具有更好的转换效果,噪声字典的引入提升了语音转换系统的噪声鲁棒性。     

基于小波神经网络的光纤陀螺误差补偿方法

为了提高光纤陀螺的测量精度,提出了一种基于小波神经网络的误差补偿方法。首先使用小波分析中的Mallat分解算法提取出陀螺信号中的主趋势项,对其误差余项进行重构。然后将重构信号作为小波神经网络的目标输出,将原始陀螺信号作为训练样本。为了提高小波神经网络的训练速度同时防止其陷入局部极小值,采用增加动量因子和自适应调整学习速率的方法来改进训练方法。训练后建立的神经网络模型对光纤陀螺误差具有良好的估计能力。结果表明,经过小波神经网络方法补偿后,光纤陀螺的输出精度达到了0. 019 4°/s,光纤陀螺的测量性能得到了提高。     

一种基于误差补偿的多元混沌时间序列混合预测模型

针对多元混沌时间序列的预测问题, 考虑到单纯改进储备池算法无法明显地提高预测精度, 提出一种基于误差补偿的时间序列混合预测模型. 实际观测的数据既包含线性特征又包含非线性特征. 首先利用自回归移动平均模型预测线性特征, 使得残差数据仅含非线性特征; 然后, 建立正则化回声状态网络模型预测; 最后, 将非线性部分的预测值与线性部分的预测值相加, 以实现高精度的多元混沌时间序列预测. 基于Lorenz和太阳黑子-黄河径流量时间序列的仿真实验验证了本文所提模型的有效性. 关键词： 回声状态网络 混沌 多元时间序列预测 误差补偿     

A new method of waveform digitization based on time-interleaved A/D conversion

Time interleaved analog-to-digital conversion （TIADC） based on parallelism is an effective way to meet the requirement of the ultra-fast waveform digitizer beyond Gsps. Different methods to correct the mismatch errors among different analog-to-digital conversion channels have been developed previously. To overcome the speed limi- tation in hardware design and to implement the mismatch correction algorithm in real time, this paper proposes a fully parallel correction algorithm. A 12-bit l-Gsps waveform digitizer with ENOB around 10.5 bit from 5 MHz to 200 MHz is implemented based on the real-time correction algorithm.     

基于神经网络模型的CCD像差修正

针对传统CCD标定中由于修正像差造成标定算法复杂、精度不高、结果不稳定的特点,提出了用4层前向神经网络模型修正CCD像差的方法。为了检验算法,用修正像差后的CCD对空间点进行三维重建,并与传统方法作了对比。结果表明,基于神经网络模型的CCD像差修正方法可以获得比传统方法更高的精度和稳定性。     

车载光电侦察系统目标定位及误差分析

车载光电侦察系统在目标定位过程中,由于光电平台、惯导系统的工作方式及安装位置差异,在建立光电平台坐标系、惯导系统坐标系、本地坐标系、地心坐标系、基于参考椭球的经纬度表示等一系列坐标系基础上,推导出目标定位模型,计算出目标的经纬度和高程,实现对目标的精确定位。通过模型对光电侦察系统的主要误差源进行分析和试验仿真,结果表明该模型能够保证对目标定位精度的要求。外场实验结果表明:系统目标定位精度优于15 m。