基于线性耦合下混沌系统的同步条件

将混沌同步问题用精确的数学语言给予描述，通过数学分析将其转化为微分方程组的稳定性问题.以Lorenz系统族的Chen氏系统作为典型系统，在线性耦合下分析系统参数，得到了系统达到同步时的充分条件，且在理论上加以证明.结合该条件，提出了一种确定耦合系数的方法.最后用仿真实验验证了该方法的正确性，并验证了在不同耦合方式和参考系统的情况下定理的有效性. 关键词： 混沌同步 耦合 稳定性     

PSTN网上可视多媒体通信终端

介绍了符合ＩＴＵ－ＴＨ．３２４协议的ＰＳＴＮ网上可视多媒体通信终端——ＫＤＭＭＴ。它在外接符合Ｖ．３４的调制解调器时,能通过ＰＳＴＮ网全双工实时传送图像和声音;介绍了终端系统的软硬件结构,高效实现音频和视频压缩编解码算法的关键技术以及系统互连时相关通信协议的设计与实现。     

一种基于模糊推理的变步长自适应滤波算法

论文对现有的变步长自适应滤波算法进行了分析,并定性地给出了变步长自适应滤波算法中步长变化应满足的4条准则。根据这些准则,文章提出了一种新的基于模糊推理的变步长自适应滤波算法。理论分析和实验仿真结果都表明,新算法能够符合文中提出的变步长准则,很好地满足了收敛速度和收敛精度的要求。此外,还给出了该算法应用于回声消除中的结果。     

基于ADSP 2106X SHARC的多媒体终端

本文在简介目前浮点运算功能最强的浮点DSP芯片AD-SP21060以及定点DSP芯片AD-SP2181的结构和性能的基础上,具体阐述了应用这两种芯片构成基于PCI总线的多媒体通信卡的设计原理,并展望了这一系统设计的前景。     

语音的帧同步分离研究

重叠语音在本文中定义为由两个及两个以上原始语音叠加所形成的混合语音.重叠语音分离,由于不能利用方位信息,困难更大.但人的听觉系统却能够有效感知和分离这种重叠语音.本文利用语音的谐波特性对重叠语音分离进行研究.提出基于语音信号谐波分析的帧同步分离方法,并给出实验结果.     

结合CNN不同层信息的全变量建模人脸特征表达学习方法

如何学习有效的人脸特征表达是人脸识别的关键性问题。现有基于卷积神经网络（Convolutional Neural Networks, CNN）的人脸深度特征表达学习方法大多在人脸图像经过了有效检测和校正的情况下，能够获得优异的性能，而在复杂场景下其推广性和鲁棒性受到极大限制。对此，本文提出了结合CNN不同层信息的全变量建模人脸特征表达学习方法，将提取的人脸局部深度特征中所包含的差异信息按照子空间进行建模，有效聚合局部深度特征的同时得到人脸在低维子空间的特征表达（iVector）。在IJB-A（IARPA Janus Benchmark A）上的实验结果表明，与现有的深度特征表达相比，该方法学习得到的人脸iVector表达能够显著提升人脸识别系统的识别性能和计算效率。      

采用DBN的TV改进方法在语种识别中的应用

近年来基于深度神经网络（Deep Neural Network,DNN）的全差异空间建模方法（Total Variability, TV）在语种识别领域得到了广泛研究。本文提出了一种基于DNN的改进TV方法,既利用了DNN对数据的音素状态对齐效果,又充分考虑了语种任务的相关性。该方法首先利用带有瓶颈层的深层神经网络(Deep Bottleneck Network, DBN)对语种数据特征按照音素状态进行聚类,得到语种任务相关通用背景模型(Universal Background Model, UBM),然后利用该UBM模型并结合深度瓶颈特征(Deep Bottleneck Feature, DBF)进行TV建模。实验表明,与经典的TV方法相比,该方法能够显著的提升系统性能和效率,并且融合后性能得到了进一步提升。      

一种新的变步长自适应滤波算法及分析

现有的变步长自适应滤波算法可分为步长一致和步长非一致两种情况,本文着重对步长一致的情况进行分析讨论,给出了统一的表达式,并定性地提出了步长变化的准则.同时在分析了几种现有变步长自适应滤波算法的基础上,提出了一种新的变步长自适应滤波算法.理论分析和不同情况下的仿真实验结果都表明,新算法能够符合文中提出的变步长准则,在保持算法简单的同时能够满足收敛速度,跟踪能力和收敛精度的要求.     

基于ADSP2106XSHARC的多媒体终端

本文在简介目前浮点运算功能最强的浮点ＤＳＰ芯片ＡＤＳＰ２１０６０以及定点ＤＳＰ芯片ＡＤＳＰ２１８１的结构和发基础上，具体阐述了应用这两种芯片构成基于ＰＣＬ总的多媒体通信卡的设计原理，并展望了这一系统设计的前景。     

集成多种自适应滤波算法的回声消除器

如何选择自适应算法的步长,从而有效解决收敛速度和稳态失调之间的矛盾是回声消除中的一个重要问题。论文提出一种集成多种自适应滤波算法的回声消除框架,以挖掘不同自适应滤波算法以及不同步长选择之间的互补性,来获得稳定的消除效果。所提算法可以分析同一时刻不同算法的误差,并始终选择一种最好的算法。通过对LMS、NLMS、PNLMS和IPNLMS这四种自适应算法的结合实验,显示了该算法可以集合各种算法以及步长选择的优点,具有更快的收敛速度和良好的稳态特性。