基于离散余弦变换的语音增强

在进行余弦变换时，语音信号主要分布在余弦系数的低频区域，而随机噪声主要分布在高频区域．鉴于此特点，给出了一种基于离散余弦变换的阈值语音增强方法．利用余弦系数的高频区估计噪声得到阈值，对DCT阈值化，利用信噪比估计值和语音出现概率对算法做了进一步的改进，增强了算法的去噪能力．实验结果表明，该方法为有效的语音增强方法．     

多机器人编队系统体系结构的设计与性能分析

根据多机器人智能编队的要求,设计分层多机器人体系结构,该结构主要有3层：协作任务层、协调行为层、动作控制层,协作任务层应用势场栅格法增强路径的安全性和可靠性并降低了计算复杂度;协调行为层应用强化学习法增强了机器人群体的智能性;动作控制层应用模糊控制实现了动作的匹配;通讯模块在各个层次上实现数据的传递,这种结构既能实现机器人个体的自主性和智能性,又能满足多机器人之间的协作与协调性的需要,每一层任务分配清晰,层层规划中都有智能体现,是一个真正的智能性结构,最后,仿真试验进一步验证了这种结构的有效性,此结构有很好的可扩展性,可以应用于相似的多机器人系统。     

基于Hilbert-Huang变换理论的语音增强初探

希尔伯特-黄变换是新发展起来强有力的非线性、非稳态信号处理方法．它从信号自身出发自适应地产生具有物理意义的基函数,而不是人为地设定变换的基函数．该文将这一全新的方法应用到语音信号处理．希尔伯特-黄变换基于信号的局部特征时间尺度,能把复杂的信号分解为有限的内在模态函数之和,这种自适应的分解方法非常适于非线性和非平稳过程的分析．实验表明,希尔伯特-黄变换适于语音信号处理,有广阔地应用前景．结合小波变换的分析表明,该方法在语音去噪方面优于小波变换．     

基于半马尔可夫对策的多机器人分层强化学习

在多智能体分层强化学习研究成果的基础上,考虑多机器人系统经常面临的通信困难问题(如水下环境),提出一种基于半马尔可夫对策的多机器人分层强化学习方法,通过引入对策论方法解决通信困难情况下多机器人学习问题。仿真实验结果表明了该方法的有效性。     

四苯硼钾微波重量法测定硫酸钾、氯化钾中氧化钾的研究

研究建立了在样品处理过程中不使用甲醛并用G4玻璃坩埚过滤四苯硼钾沉淀,微波加热恒重。测定硫酸钾、氯化钾中氧化钾含量的方法。确定了微波功率300W,加热干燥恒重时间6min。方法省时、简便、实用、无毒害、符合生产要求。     

基于核非负稀疏表示的人脸识别

提出了一种新颖的核非负稀疏表示(KNSR)算法,将其用于人脸识别,主要贡献有如下3个方面：首先,在稀疏表示(SR)的基础上引入了对表示系数的非负限制,并利用核函数来描述样本之间的非线性关系,提出了相应的目标函数;其次,提出了一种乘性梯度下降迭代算法对提出的目标函数进行优化求解,该算法在理论上可以保证收敛到全局最优值;最后,利用局部二元特征和汉明核来建模人脸样本的非线性关系,从而实现鲁棒的人脸识别。实验结果表明,在具有挑战性的人脸库上所提算法识别率均高于最近邻(NN)算法、支持向量机(SVM)、最近子空间(NS)、SR和协同表示(CR)算法,在YaleB和AR数据库上都达到了大约99%的识别率。     

生物交哺行为启发的群体机器人搜集行为研究

为了提高群体机器人系统的整体性能,受生物系统中普遍存在的交哺现象的启发,在原来多机器人系统的基本行为的基础上,提出了一种引入交哺行为的多机器人协作机制。机器人依靠有限的感知能力和局部交互功能,以自组织方式执行目标搜集任务。机器人的内部状态变量反映其执行任务的情况以及对环境和其他机器人的评价。比较机器人的内部状态变量,可以判断是否需要交哺和交哺的方向性。主要目的是减少机器人之间的冲突,降低系统能量消耗的同时,提高机器人搜集目标的效率。最后通过计算机仿真实验以及与其他多机器人协作方法比较,分析该方法对提高系统性能的有效性。     

面向词义消歧的指示词扩展技术

词语的歧义问题给语言的自动理解造成了困难,词义消歧研究是解决该问题的方法。当前统计学习的方法在该问题的研究上得到了普遍的应用,然而限于训练语料的规模,统计词义消歧方法还不能获得十分满意的结果。如何在有限规模的训练语料的条件下,提高统计学习的效率,改善学习效果,是有监督词义消歧方法研究上的热点问题。在词语扩展思想的基础上,设计了一种以基于指示词扩展的词义消歧新方法,并通过实验证明该方法可以在不增大训练语料规模的前提下提高有监督词义消歧的精度。     

利用支持向量机和高阶累量实现飞机类型识别

为了探讨短波语音通信的飞机类型识别问题,根据短波语音通信下的飞机舱内背景声信号的物理特性,利用小波包分解和高阶累量提取出目标声信号的特征向量,分别采用BP神经网络和支持向量机作为分类器进行飞机类型的识别分类.仿真实验结果表明,小波包分解及高阶累量与支持向量机的结合算法,能够抽取出有效的飞机舱内背景声信号特征,并且能以93%以上的识别率识别出5种类型飞机.     

谱熵和主成分分析用于EMD分解研究

针对传统经验模态分解(EMD)的终止条件的不足,将信息熵和主成分分析(PCA)原理引入希尔伯特-黄变换(HHT)中,提出了一种Hilbert时频谱熵的算法,以此为基础提出了基于时频谱熵的分量终止准则和基于主成分分析的分解终止准则,并对EMD算法进行改进.改进的EMD算法能够得到更准确的分解结果,并且在一定程度上减少了虚假分量和模态混叠的产生.仿真实验表明,采用基于时频谱熵和主成分分析的终止准则对EMD算法的改进是有效的.