论析IPTV技术与应用

本文主要介绍了IPTV的技术内涵、实现方式、内容提供、接入系统、终端系统、数字家庭多媒体网络,使人们对IPTV 以及数字家庭多媒体网络有新的认识与理解.     

瑞昱获多款MIPS32 Pro Series内核授权开发高性能SoC

台湾瑞昱半导体（Realtek Semiconductor）已获得多款MIPS32ProSeries内核授权，以进行针对宽带、网络、数字家庭及多媒体的SoC开发。瑞昱采用MIPS3234 Kc Pro和24Kf Pro内核，进一步扩展了公司对业界标准MIPS架构的承诺。     

用Dclphi开发多媒体软件

本文着重介绍了Dalphi的多媒体功能,并给出用Delphi开发多媒体播放程序的实例。     

数字家庭网络上视频点播系统的实现

数字家庭网络是家庭范围内多个设备之间的信息流通网络,视频点播系统是集通信网络技术、多媒体技术、计算机和数据库技术于一体的崭新的视频服务系统.本文给出了在数字家庭网络上构建视频点播系统的架构模式,并在理论上阐述了系统的实现过程.     

"数字家庭"网络视频监控系统的可视化建模

“数字家庭”网视频监控系统是中国电信上海研发中心自主开发项目。项目开发中采用面向对象的分析设计方法、运用UML语言与RationalRose可视化建模工具,大大提高了系统的可读性和开发效率。本文介绍了RationalRose可视化建模的基本原理和软件开发过程,分析了“数字家庭”网络视频监控系统的功能需求,设计了“数字家庭”网络视频监控系统的主要组成模块,总结了可视化建模的优点。     

多媒体液晶显示器保养小技巧

爱国者多媒体液晶显示器推出后,以体现数字家庭多媒体中心的复合性和便捷性,同时又具有轻薄美观、健康节能等诸多优点,赢得了广大消费者的喜欢和青睐。面对爱国者多媒体液晶PC和TV的双重身份,如何在享受多媒体液晶带来的影音娱乐生活的同时,延长多媒体液晶显示器的寿命,正确地使用和维护就很重要了。     

多媒体液晶显示器保养小技巧

爱国者多媒体液晶显示器推出后,以体现数字家庭多媒体中心的复合性和便捷性,同时又具有轻薄美观、健康节能等诸多优点,赢得了广大消费者的喜欢和青睐.面对爱国者多媒体液晶PC和TV的双重身份,如何在享受多媒体液晶带来的影音娱乐生活的同时,延长多媒体液晶显示器的寿命,正确地使用和维护就很重要了.     

一种基于构件的多媒体课件开发模型

介绍了软件复用的基本概念和关键技术;结合软件构件技术,提出了一种基于构件的CAI多媒体课件的开发模型。     

多媒体和游戏功能测试 丰富的娱乐盛宴

计算机不只是办公工具,它还是未来数字家庭的中枢。除了Vista一直倡导的3C(Confident、Clear、Connected)理念,我们还在Vista中看到了其在多媒体方面的大量新增功能。     

恩智浦半导体公司位于英国南安普敦的芯片设计中心寻求买家

(2010-009-英国-002) 2009年10月,多媒体集成电路供应商Trident Microsvstems收购了恩智浦半导体公司的数字家庭业务(NXP Business Unit Home).     

数字家庭网络互联技术的现状和未来

介绍数字家庭网络的以网关为中心的典型结构,阐述数字家庭网络中各种智能终端的互联技术.介绍各种接口,指出了普适计算和使用传感器网络是数字家庭网络的发展趋势.     

基于GA改进DHMM和KPCA-RS的滚动轴承智能诊断方法研究

为实现滚动轴承故障智能诊断,提出了一种基于核主元分析法(KPCA)、粗糙集(RS)和遗传算法(GA)改进离散隐马尔科夫模型(DHMM)的智能诊断方法。通过使用混合核函数的KPCA和RS对时域、频域参数进行约简,构造敏感性高、稳定性强,并能准确表征轴承状态的特征参数矩阵。应用GA优化了DHMM,克服了DHMM训练算法容易陷入局部极小的缺点。最后应用GA优化的DHMM训练算法得到的滚动轴承各状态下的DHMM,并通过比较测试样本在各DHMM下的对数似然概率,实现了轴承故障类型的有效识别。实验结果表明,该方法可以有效地识别滚动轴承的状态,具有较强的适用性。     

人工蜂群算法改进DHMM的语音识别方法

针对离散隐马尔可夫(Discrete Hidden Markov Model,DHMM)语音识别系统中LBG算法对初始码书的依赖性和易陷入局部最优解的问题,采用人工蜂群(Artificial Bee Colony,ABC)算法对语音特征参数进行矢量量化,从而得到最优码书,提出了ABC改进DHMM的孤立词语音识别方法。先提取语音信号的特征参数,然后用ABC算法中每个食物源表示一个码书,以人工蜂群进化的方式对初始码书进行迭代而获得最优码书,最后把最优码书的码矢标号代入DHMM模型进行训练和识别。实验结果表明,ABC改进的DHMM语音识别方法与传统的LBG及粒子群优化初始码书的LBG的DHMM语音识别方法相比具有较高的识别率和较好的鲁棒性。     

蓝牙(B1uietooth)在数字化信息家电中的应用

随着计算机和网络通信技术的发展,计算机数字化技术、现代通信技术、已融合到信息家电中,使之智能化并具有网络信息终端的功能。本文讨论了蓝牙协议体系分析及应用模型、蓝牙连接方案、及蓝牙技术在数字化信息家电中的应用。     

蓝牙（Bluetooth）在数字化信息家电中的应用

随着计算机和网络通信技术的发展,计算机数字化技术,现代通信技术,已融合到信息家电中,使之智能化并具有网络信息终端的功能,本文讨论了蓝牙协议体系分析及应用模型,蓝牙连接方案,及蓝牙在数字化信息家电中的应用。     

基于音频信号的轴承故障诊断方法

介绍了一种基于隐马尔可夫模型的轴承故障音频信号诊断方法。通过对轴承音频信号的 Mel 频率倒谱系数特征提取,分别采用离散 HMM 和连续高斯混合密度 HMM 两种方法进行建模与诊断研究。与 CGHMM 方法相比,DHMM 方法运算速度快,但诊断精度低。而从总体上来看,两种方法都具有运算速度快,诊断精度高的优点。结果表明,本文方法具有很好的应用前景。     

UPnP家庭网关配置管理的设计

提出了数字家庭网关可运营、可管理的应用模式。这种家庭网关打破了现有家用网关业务单一的局限，不仅具有数字家庭网络设备的互操作性，而且能将电信宽带服务直接延展、推送到家庭网络设备上，实现自动配置服务器对家庭网络设备的远程配置管理，促进电信网络与家庭网络的融合与互动。将家庭内外网络多服务的自动配置和终端管理技术，与UPnP协议框架相结合，家庭网关不仅可以实现设备“零配置”接入网络、网络“透明性”数据传输，而且能够为电信网络提供可运营管理的服务能力，符合数字家庭的发展趋势。     

A biomedical system based on fuzzy discrete hidden Markov model for the diagnosis of the brain diseases

Because it is a non-invasive, easy to apply and reliable technique, transcranial doppler (TCD) study of the adult intracerebral circulation has increased enormously in the last 10 years. In this study, a biomedical system has been implemented in order to classify the TCD signals recorded from the temporal region of the brain of 82 patients as well as of 24 healthy people. The diseases were investigated cerebral aneurysm, brain hemorrhage, cerebral oedema and brain tumor. The system is composed of feature extraction and classification parts, basically. In the feature extraction stage, the linear predictive coding analysis and cepstral analysis were applied in order to extract the cepstral and delta-cepstral coefficients in frame level as feature vectors. In the classification stage, discrete hidden Markov model (DHMM) based methods were used. In order to avoid loosing information due to vector quantization and to increase the classification performance, a fuzzy approach based similarity was applied to implement the DHMM. The performance of the proposed Fuzzy DHMM (FDHMM) was compared with some methods such as DHMM, artificial neural network (ANN), neuro-fuzzy approaches and obtained better classification performance than these methods.     

公交车乘客流量自动计数的P2DHMM技术研究

我国一些大中城市公交车运营管理采用了无人售票的刷卡系统管理,但是自动刷卡系统不能够满足车辆调度、运营规划等公共交通管理的要求,为了获取乘客流量的实际数据,开发高精度自动记数模型成为当前的热点和技术难点。我国现有乘客流量统计系统的精度在80%左右,造成精度问题的主要原因是在乘车高峰时段拥挤的状态背景条件下,一般模式识别算法和模型设计难以准确将单个人体识别和分割出来,为此,在充分调研的基础上,设计了采用普通数码摄像机和模板匹配方案,选择实验了先进的P2DHMM模型,模拟实验结果证实,该方法具有稳定的识别性能,为真实条件下的实验奠定了良好的基础。     

A new approach based on discrete hidden Markov model using Rocchio algorithm for the diagnosis of the brain diseases

Transcranial Doppler (TCD) study of the adult intracerebral circulation has gained an important popularity in last 10 years, since it is a non-invasive, easy to apply and reliable technique. In this study, an implementation on biomedical system has been developed for classification of signals gathered from middle cerebral arteries in the temporal area via TCD for 24 healthy and 82 ill people which have one of the four different brain patients such as; cerebral aneurysm, brain hemorrhage, cerebral oedema and brain tumor. Basically, the system is composed of feature extraction and classification parts. In the feature extraction stage, the Linear Predictive Coding (LPC) Analysis and Cepstral Analysis were applied in order to extract the cepstral and delta-cepstral coefficients in frame level as feature vectors. In the classification stage a new Discrete Hidden Markov Model (DHMM) based approach was proposed for the diagnosis of brain diseases. This proposed method was developed via Rocchio algorithm. Therefore, to calculate DHMM parameters regulated according to maximum likelihood (ML) approach, both training samples of related class and other classes were included in calculation. Thus, DHMM model parameters presenting one class were suggested to represent the training samples related to that class better as well as not to represent the training samples related to other classes. The performance of the proposed DHMM with Rocchio approach was compared with some methods such as DHMM, Artificial Neural Network (ANN), neuro-fuzzy approaches and obtained better classification performance than these methods.