基于深度学习的两阶段联合声学回波和混响抑制技术

在现代通信系统中，通信语音的质量和可懂度会被回波与混响严重损害，人与人之间的交流因此会被严重干扰。为了同时消除回波与混响的负面影响，本文提出了一种基于深度学习的两阶段联合声学回波和混响抑制系统。该系统逐步地消除加性声学回波与多径效应产生的混响干扰，从而获得目标语音。系统首先使用基于理想比值掩蔽（Ideal Ratio Mask，IRM）的模型去除与目标信号不相关的声学回波，紧接着对于与目标信号强相关的混响干扰，系统通过利用一个基于“隐掩蔽”的谱映射模型将其去除。两阶段模型最后进行联合训练以获得更好的系统性能。一系列不同声学环境下的实验结果表明，本文所提出的系统可显著地消除回波与混响干扰，从而极大地增强了目标语音的语音质量与可懂度。      

3维卷积递归神经网络的高光谱图像分类方法

为了针对高光谱图像中空间信息与光谱信息的不同特性进行特征提取，提出一种3维卷积递归神经网络(3-D-CRNN)的高光谱图像分类方法。首先采用3维卷积神经网络提取目标像元的局部空间特征信息，然后利用双向循环神经网络对融合了局部空间信息的光谱数据进行训练，提取空谱联合特征，最后使用Softmax损失函数训练分类器实现分类。3-D-CRNN模型无需对高光谱图像进行复杂的预处理和后处理，可以实现端到端的训练，并且能够充分提取空间与光谱数据中的语义信息。结果表明，与其它基于深度学习的分类方法相比，本文中的方法在Pavia University与Indian Pines数据集上分别取得了99.94%和98.81%的总体分类精度，有效地提高了高光谱图像的分类精度与分类效果。该方法对高光谱图像的特征提取具有一定的启发意义。     

燃气轮机发电机组及燃气-蒸汽联合循环投资估算模型

本文对燃气轮机发电机组整机的投资模型进行了分析,结合2018 Gas Turbine Word (GTW)handbook的数据对燃气轮机整机投资模型进行了更新,并给出了燃气-蒸汽联合循环的的单变量、双变量投资模型。无论对燃气轮机整机还是联合循环,采用幂函数的投资模型都优于对数函数,而单变量和双变量投资模型的精度相当。采用幂函数单变量或者双变量的投资模型都可以实现全功率范围误差10%以内的投资估算。