基于非均匀谱压缩特征的模型补偿新算法

在信噪比依赖的非均匀谱压缩(SNSC)鲁棒语音特征提取技术和VTS算法的基础上,该文提出了一种新的MC-SNSC模型补偿算法。SNSC技术是一种根据人类听觉对声音强度-响度感知转化关系的谱幅度变化操作和噪声抑制技术。基于对数谱域的噪声以及SNSC特征提取对语音信号特征所产生的失配函数,推导出了MC-SNSC模型补偿算法。实验证明使用这一新算法,识别率比当前较理想的VTS和PMC算法有很明显的提升,算法的复杂度较VTS等算法仅有轻微的增加。     

增强超宽带无线网络QoS的调度算法

基于对UWB网络中已有调度算法性能的分析,提出了一种用于增强UWB无线网络QoS的调度算法。该算法采用跨层设计的思想,能根据无线物理层信道状态和应用层业务传输速率的变化进行动态带宽分配,分配过程主要采用带宽借贷的思想,即在具有不同优先级的业务流之间进行带宽调度,以尽最大可能满足具有不同优先级的业务流QoS要求。仿真结果表明,该算法能有效地增强网络的QoS,提高整个网络的性能。     

宽带非高斯信号的二维波达方向估计方法

该文提出了一种解决宽带非高斯信号二维波达方向估计的方法。该方法利用相干信号子空间方法把宽带的阵列频域数据四阶累积量聚焦到同一个参考频段下,然后利用基于信号空时特征结构的时空DOA 矩阵方法来进行二维DOA估计。理论上证明该方法在高斯噪声环境下对宽带非高斯信号都具有很好的估计性能,通过计算机仿真也验证了该方法的有效性。     

基于遗传算法的盲信道估计新算法

基于单输入多输出的信道模型,该文提出一种基于遗传算法的信道盲估计算法,该算法的特点是基于低阶统计量,计算速度快;并且把信道阶数作为染色体的一部分参与估计,从而能在信道阶数未知的条件下同时对信道阶数和参数进行估计。仿真结果表明该算法的性能优于现有的非迭代算法。     

改进的MKM算法及其在语音识别中的应用

提出了一种用于矢量量化的改进的聚类算法,该算法在MKM(Modified K-Means)算法的框架的基础上,对初始码本的生成、失真测度的选择、非典型胞腔的处理等方面进行了改进,从而减少了原算法在能量和增益上对聚类结果的影响。并将该算法应用于波形编辑孤立字识别器,这种识别器直接对语音样本的时域波形进行训练和聚类,不需要提取语音参数,算法复杂度较低,加上提出的聚类算法失真测度简单易实现,对芯片的运算能力要求不高,非常适用于有低成本要求的语音识别器场合。通过中文元音字识别的实验证明,在相同码本尺寸下,运用改进后的聚类算法的识别器的识别率有所提高。     

关于前馈多层神经网络多维函数逼近能力的一个定理

本文首次证明了前馈神经网络多维函数逼近能力的一个重要定理:当隐层神经元数目足够多时,其多维函数逼近能力与维数无关.也就是说我们只需研究其一维函数逼近能力,所得的结论完全适合于多维情形,该定理大大简化了前馈多层神经网络函数逼近问题的分析难度。本文还给出了该定理的一个应用。     

基于遗传算法的HMM最小错识率训练方法

最小错识率（MCE）HMM训练方法是最直接的判决训练方法之一,原理上比最大似然接方法优越得多。但是,充分发挥MCE的性能的困难在于如何将非连续的经验错识率估计映射成连续的代价函数以便采用梯度搜索技术之类的忧化方法。本文所提出的基于遗传算法的最小错识率方法（GAMCE）不但可避免MCE的缺点,而且在原理上可求得全局最优解。实验结果表明,GA_MCE比MCE好得多。     

基于速率的反馈拥塞控制的最优化问题研究

基于速率的反馈拥塞控制用于ＡＴＭ网络中可用位速率（ＡＢＲ）流量控制。可用位速率业务需要最优和稳定的流量控制器来保证高的吞吐量和保证网络的稳定性。本文采用线性控制理论来设计基于速率的流量控制器。这个控制器是一个简单的比例控制器,使用品质因数来优化参数。文中证实了最优化控制器对系统参数的最小依赖性。     

基于基因算法的时间规正算法

本文提出了一种适用于孤立字识别的基于基因算法的时间规正算法;详细讨论了其中一些关键技术, 如编码方法、适应度技术、基因操作子设计等。该算法可弥补动态时间规划DTW的某些不足(1)使距离归一化因子M与实际路径相关, 这使不同路径的比较更合理(2)以自然方式提供多条最佳规划路径建立了试验数据库, 在试验结果的基础上提出了算法性能分析模型模板间距离遵循正态分布。通过与DTW及串行多路径搜索法的性能进行比较, 结果表明基因时间规正算法具有明显的识别优势。     

基于S型函数的变步长LMS自适应滤波算法

本文通过建立步长因子μ与误差信号之间的非线性函数关系,得出一种新的变步长自适应滤波算法(SVSLMS)。理论分析和计算机仿真结果表明该算法的性能优于传统的LMS算法和NLMS算法。