一种基于时频分析的语音卷积信号盲分离算法

本文根据语音信号在实际环境下传播存在多径效应而造成反射信号之间产生时延差异的特点,提出了一种新的基于卷积混合矩阵模型的盲分离算法.该算法利用语音信号频谱中普遍存在的稀疏特性,通过对两路接收信号语谱图的对比分析估计出模型中时延参数和幅度系数的待定值;更进一步,从极大似然估计的思想出发,构造了一种基于时延参数和幅度系数的可信度函数,提出了通过寻找上述可信度函数的峰值以准确确定混合矩阵参数的方法.与现有的基于独立性假设的盲分离算法不同,本算法利用了语音信号频谱中普遍存在的稀疏特性,适用于求解大多数场合下的盲源分离问题.由于本算法本质上是一种非迭代的算法,且不存在发散的问题,故具有快速、稳定的特点.仿真实验和实际环境下所得到的实验结果表明,该算法能在各种信噪比的条件下准确地估计出由环境所确定的时延和幅度参数,并据此成功地分离出源语音信号,是一种面向真实环境下语音盲分离应用的有效算法.     

用于大库人脸识别的脸型分类研究

提出了一种基于”分集”的人脸识别方法,该方法在人脸识别前加入脸型预分类环节,将一个大规模的人脸数据库分解为依脸型分类的若干个子库。这样做一方面可通过分集降低后续识别处理的数据量,提高人脸识别的速度,另一方面可利用脸型特征对候选人脸集合进行粗筛选,降低系统的错误接受率。为了实现脸型分类,进一步提出了一种基于人体测量学的分类方法,即首先借助AAM技术提取脸部特征点,然后在此基础上计算面型指数,并由此实现对脸型的分类。对较大规模的人脸数据库所进行的实验结果表明,所提出的方法可有效提高人脸识别系统的识别率和识别速度。     

面向情感语音转换的韵律转换方法

面向情感语音转换,该文提出了一种韵律转换方法。该方法包含基频转换和时长转换两个部分,前者选择离散余弦变换(DCT)参数化基频,根据基频的层次结构特点,将基频分解为短语层和音节层两个层次,使用基于混合高斯模型(GMM)的转换方法对两个层次分别进行转换;后者使用基于分类回归树(CART)的方法以声韵母为基本单位对时长进行转换。一个包含三种基本情感的语料库用作训练和测试,客观评测以及主观评测实验结果显示该方法可有效进行情感韵律转换,其中悲伤情感在主观实验中达到了接近100%的正确率。      

基于序列图像的鱼游运动机理分析

自上世纪60年代起,鱼游运动机理分析一直是研究的热点之一。本文提出了一种基于序列图像的鱼游运动机理分析方法,从图像处理的角度来分析鱼游运动机理问题。该方法首先通过图像差分得到鱼体的轮廓,然后利用能量函数自动抽取游动鱼体的体干曲线。在此基础上,通过样条曲线参数拟合进一步得到鱼体游动时体干曲线形变的准确数据和各种运动学参数。以黑鳍鲨稳态游动为例,本文还建立了鲹科模式游动的运动学参数模型并讨论了模型中参数对鱼体游动的影响。实验表明,相比于传统方法,本文所提出的方法无需对实验环境和对象加以限制,可以自动获得鱼类游动时的体干曲线形变的准确数据,从而据此建立更加真实有效的鱼游运动学参数模型。     

一种基于图像分割的动态规划立体匹配算法

本文提出了一种基于图像分割的动态规划立体匹配算法。此算法首先利用MeanShift图像分割算法对左右图像对进行分割处理,从而得到分割域的深度范围约束;然后结合窗口匹配及可信度约束得到地面控制点;综合地面控制点和其所属分割域的深度一致性关系可以有效剔除部分不可信点;以地面控制点和分割域作为约束信息,对动态规划的数据能量项和遮挡能量项加入分割域关系约束,利用动态规划算法得到最终视差图。实验结果表明,该算法可得到较好的视差结果。     

具有USB2.0接口的6路实时同步数据采集卡设计

探讨了多路实时同步数据采集卡的设计和实现问题,设计和实现了一种基于USB2.0接口的6通道同步采集卡,在Windows平台下的语音采集实验表明,该采集卡实现了数据的多通道实时同步传输。此外,还对设计具有几十通道数的实时同步数据采集卡的可行性进行了讨论。     

基于多尺度区域的图像颜色校正算法

图像颜色校正是多摄像机视觉应用中的一项重要技术。本文提出了一种基于多尺度区域的局部颜色校正算法,主要思想是在参考图像与待校正图像之间建立特征点的对应关系。此算法根据尺度不同的区域内可获得的对应特征点数目不同的特性,在不同尺寸参数对待校正图像进行分割,以得到稳定的特征点对应,进而获取准确的颜色校正信息,提高了颜色校正的准确性和鲁棒性。此外,本文还考虑了局部校正对图像颜色一致性减弱的问题,进行了平滑处理。实验证明,本文所提出的方法能获得较好的校正结果。     

基于势场模拟的温度传感器优化布置研究

以信息连续分布的智能空间内传感器优化布置为研究目标,以温度信息为例对智能空间进行势场模拟,在等势线上选取曲率较大、密集的点作为兴趣点(POI),提取POI初集;提出了一种基于质量阈值聚类的自适应二分法(简称QT算法),对兴POI初集进行优化;通过仿真和实测实验验证,在减少传感器数目的同时能够合理的规划区域中各被监测点,使得各传感器节点的效能得到很好的利用;所提出的方法同样适合智能空间中其它连续的信息场,如湿度、风速、电磁污染和VOCs等。     

基于塔式格型矢量量化的图像多描述编码算法

多描述编码(MDC)是解决差错信道上图像通信数据包丢失问题的一种新方法，它通过将图像分解为多个独立而又具有一定相关性的描述，并通过不同的信道进行传输，来改善数据丢失条件下的图像解码质量。本文提出了一种图像信号的多描述塔式格型矢量量化编码算法(MDPLVQ)，利用小波树之间的独立性，采用不同的塔式格型矢量量化缩放因子对小波系数进行量化。该算法设计简单，对冗余度的控制容易，实验结果说明了其有效性，其编码压缩性能优于多描述标量量化(MDSQ)、多描述对变换(MDPCT)和多描述零又树(MDEZW)等方法。     

极低码率下的2D-3D人脸视频编解码

针对动态变化背景下的人脸视频编解码问题,该文提出了一种2D-3D混合编解码系统;具体包括:(1)基于多种观测信息,在线外观模型和粒子滤波的人脸三维运动跟踪;(2)结合参数模型与肌肉模型的3D人脸动画合成;(3)基于头发检测和3D头发模型的头发合成;(4)无缝地拼接前景的三维编解码结果和背景的二维编解码结果.在极低码率下,客观实验表明,该系统在编码效率和解码质量上有较好的综合优势.主观实验表明,该系统的解码结果在脸部具有较高的辨识度.