基于情感刺激的语音抑郁症检测分析

抑郁症是一种常见的精神障碍疾病,早期的检测和诊断对抑郁症预防和治疗至关重要。基于语音的抑郁症检测是当前计算机辅助检测方法中的一种高效、便捷的手段。为了探索不同的情感刺激是否对语音抑郁症检测存在影响,本文首先构建了抑郁症分析声学特征集,接着使用非参数检验的方法分析不同情感刺激性下抑郁与非抑郁个体之间声学特征的显著性差异,再采用情感刺激（积极、消极、中性）和任务类型（文本朗读、问答）组合的实验设计,通过机器学习和深度学习算法分别构建语音抑郁症检测模型。实验结果证明使用情感刺激会对抑郁症检测任务产生一定程度的影响,并且消极的情感刺激更容易诱发抑郁相关的情绪,对个体的发音特性产生影响,进而取得比积极刺激和中性语音更好的检测效果。     

基于轨迹预报的空间目标断续航迹关联算法

空间目标跟踪过程中,航迹中断会严重干扰航迹融合及加重传感器负担,因此,空间目标断续航迹关联算法研究意义重大。针对传统断续航迹关联算法中直线外推得到的预测航迹具有较大误差,从而导致关联不准确的问题,提出基于轨迹预报的空间目标断续航迹关联算法。该算法基于动力学方程对空间目标进行跟踪,对中断前滤波更新值进行曲线拟合得到预报初值点,并结合目标动力学模型进行轨迹预报,将预测数据与中断后新起始航迹前几个时刻的状态更新值进行关联配对,实现空间目标中断前后航迹的关联融合。仿真实验结果验证了所提算法的有效性。