主星带小卫星分布式SAR干涉的相对测高精度分析

相对测高精度是干涉SAR测高性能的重要指标之一。该文根据主星带小卫星分布式SAR系统的实际空间几何条件下建立了干涉测高原理;基于相对测高几何,推导了相对测高精度与干涉相位误差的关系式;理论分析了基线去相关、图像配准误差去相关、热噪声去相关等,并推导了图像相关系数;最后,仿真分析了图像去相关因素对于主星带小卫星分布式SAR干涉的相对测高精度影响。结果发现：对于平坦地形来说,热噪声与配准误差是影响相对测高精度的主要因素,而基线去相关影响相对较小。     

基于频域的低频UWB SAR极化校准

多极化,低频超宽带(Ultra Wide Band, UWB)合成孔径雷达(Synthetic Aperture Radar, SAR)是雷达技术未来发展的一个重要方向。系统的低频特性,UWB特性和大处理角特性使得常规SAR极化校准不再适用。该文基于多极化低频UWB SAR频域处理模型,考虑了极化校准中定标体的低频超宽带电磁散射特性的问题,给出了极化校准方法。计算机仿真验证了该方法的有效性。     

语音识别中多种特征信息综合利用的方法

在基于特征的语音识别研究中,往往会发现其中有些特征的识别性能对一些音比另一些音更好,而另一些特征却与此相反。它们在一些音的识别特性上存在着一定程度的互补。本文基于目前话音识别研究主要方法之一的HMMM识别方法,提出了三种有效综合利用这种互补关系提高HMM识别性能的方法。作者^*分别称它们为顶尖参数法,全部参数法和最可靠参数法。这三种方法在多发音人汉语数字的DHMM/VQ语音识别中,分别将识别率由89%提高到了92.3%、95.7%、94.3%。本文将详细介绍这三种方法,及其在多发育人汉语数字的DHMM/VQ语音识别中试验结果极及其分析。     

噪声对特征综合法语音识别性能的影响

本文考查了噪声对特征综合法语音识别的影响,实验表明在不同环境噪声情况,文献1提出的通过特征综合提高语音识别性能的三种方法仍然能够提高识别率7%左右。     

一种新的特征结构提取方法及其神经网络实现

本文首先建立了特征结构问题的代价函数表示,通过对代价函数求极小可以求得原始数据协方差矩阵的最大特征向量。为了求得其他特征向量,特构造了一个协方差矩阵序列。为实现对代价函数求极小,可把高阶神经网络引入特征结构提取中。这种方法比较直观,它将网络稳定时的输出与所求协方差矩阵的主特征向量的各个分量相对应。理论分析和计算机仿真均验证了这种方法的正确性。