战场环境下的军事命令识别技术

由于战场使用环境的特殊性，环境噪声成为军事命令语音识别技术实用化的一个主要障碍。该文利用模型补偿技术，对噪声环境年军事命令语音识别进行探索。重点研究噪声环境下的并行模型组合算法（PMC），详细论述其原理以及在噪声环境下的语音识别中的应用。实验使用了48个高炮射击口令，分别在3种不同噪声，不同信噪比条件下对该方法进行识别率测试，结果表明，该方法具有一定的实际应用价值。     

视频监控中的人群异常行为检测与定位

人群中的异常行为是一大潜在威胁,自动检测监控中的异常行为成为近年的研究热点之一。然而,由于异常的未知性与复杂性,已有的检测方法仍然存在检测率低、定位精度差的问题。为此,提出了对视频监控中的人群异常行为自动检测与定位的方法。结合灰度值与光流场的分布提取运动区域;对运动区域分割得到有效的运动块,从中提取表示外观和动态的两种特征,即局部H梯度方向直方图G和局部H光流方向直方图F特征;使用kmeans方法对运动块进行聚类,对每类样本使用一类分类器进行建模。最后,加入运动连续性约束,以抑制干扰噪声。在两个复杂的异常行为数据集上的实验结果表明,本文方法明显优于已有的检测方法,且可以满足正确率高、抗干扰能力强等实际工程需求。     

隐马尔可夫模型在被动声信号分类中的应用

为了提高被动声目标识别率，该文研究了隐马尔可夫模型在被动声信号分类中的应用问题，然后，又提出了２种混合分类器：特征矢量混合的ＨＭＭ分类器和ＨＭＭ／ＭＬＰＮＮ（多层感知机神经网络）混合模型分类器。结果表明，这２种混合分类器在性能上都优于单个特定的分类器，它们在被动声信号分类中具有良好的应用前景。     

PMC在噪声环境下的语音识别中的应用

今天的语音识别正处于由实验室技术走向实用化,产品化的关键时期,然而,现有的绝大我数语音识别系统在噪声环境中的性能都不可避免地急上降,环境噪声已经成为语音识 技术商品化的一个主要障碍,因此在语音识 技术逐渐走向实用化的过程中,噪声语音识别日益成为一个重要的研究领域,遗憾的是,由于噪声语音识 问题本身的复杂性,至今还没有一种方法可以圆满地解决这一问题,拟从模型补偿方面,对噪声环境下的孤立词语音识别进行一些探索,重点研究一个在噪声环境下的语音识别算法－－并行模型组合方法（PMC）,详细论述了其原理以及在噪声环境下的语音识别中的应用。实验中,我们使用汉语的数字语音,分别在3种不同噪声不同信噪比条件下对这一方法进行了识别率测试,结果显示,该方法有着令人振奋的识别效果。     

一种500 bps谐波随机激励语音编码算法

提出了一种基于谐波随机激励的变速率语音编码算法 ,其平均码率为 50 0 bps。给出了各种情况下的比特分配方案以及浊音激励参数的分析和合成过程。非正式主观测试表明 ,该算法的语音清晰度测试( DRT)为 90 %     

兵器辐射噪声信号的非线性特性及其在被动声信号分类中的应用

首先利用双谱分析检验了兵器辐射噪声信号的非高斯、非线性特性,结果表明准确的兵器辐射噪声信号模型应为非线性模型。然后,提出了利用一种双线性参数模型对信号进行预处理,并给出了参数估计算法。最后,利用提取的双线性参数模型的系数建立了一积隐含马尔可夫模型,对声信号进行分类。分类结果表明,基于双线性参数模型的积隐含马尔可夫模型分类器,在性能上优于传统的基于AR参数模型的隐含马尔可夫模型分类器,在被动声信号分类中具有良好的应用前景。     

一种基于二阶制导系统的最优导引律研究

基于最优控制理论二次性能最优的条件下推导最优导引律的解析解通常是困难的。该文基于二阶制导系统,利用许瓦兹不等式能很容易地推导出一种用解析形式表示的最优导引律。该导引律通过估算剩余飞行时间、测量导弹速度及其导数,能实现零脱靶拦截,且制导系统所需的机动能量与比例导引相比要小得多。     

混沌、分形和小波理论在被动声信号特征提取中的应用

首先分析了空气动力性噪声信号的混沌特性及其非平稳性,然后分析统计了坦克、直升机声信号的最大LyaPunov指数λ1、分维数DB和不同尺度小波子空间的能量分布特征。最后,利用这些特征矢量和BP神经网络对实测的坦克和直升机数据进行了分类。结果表明在不同信噪比情形下都取得了令人满意的分类正确率。