战场环境下的军事命令识别技术

由于战场使用环境的特殊性，环境噪声成为军事命令语音识别技术实用化的一个主要障碍。该文利用模型补偿技术，对噪声环境年军事命令语音识别进行探索。重点研究噪声环境下的并行模型组合算法（PMC），详细论述其原理以及在噪声环境下的语音识别中的应用。实验使用了48个高炮射击口令，分别在3种不同噪声，不同信噪比条件下对该方法进行识别率测试，结果表明，该方法具有一定的实际应用价值。     

隐马尔可夫模型在被动声信号分类中的应用

为了提高被动声目标识别率，该文研究了隐马尔可夫模型在被动声信号分类中的应用问题，然后，又提出了２种混合分类器：特征矢量混合的ＨＭＭ分类器和ＨＭＭ／ＭＬＰＮＮ（多层感知机神经网络）混合模型分类器。结果表明，这２种混合分类器在性能上都优于单个特定的分类器，它们在被动声信号分类中具有良好的应用前景。     

有色噪声中多个周期相近信号参数的估计算法

本文提出了一种“谐波组清除算法”来估计周期信号的参数。该算法不仅计算简单并可获得较高的频率分辨率，而且对信号模型具有较强的鲁棒性。最后，用数值仿真数据与实测直升机噪声数据对该算法进行了检验。     

一种鲁棒的被动声目标识别方法

针对噪声环境下一些声目标识别技术性能严重下降的问题，提出了一种基于一阶补偿的径向基函数网络模型，并给出了该网络参数选择方法。实际应用表明，这种神经网络对噪声具有较强的鲁棒性，与传统的径向基函数网络相比，其识别性能等同于信噪比提高大约１０～１５ｄＢ。     

巡航导弹的被动声检测与分类技术

给出了一种基于被动声信号处理技术的巡航导弹被动声检测与分类技术。在检测目标时 ,综合利用目标声信号与环境信号的能量、过零率及线谱对频率的变化量构成多边界判决函数 ,在分类时提取Mel倒谱特征参数 ,利用隐马尔可夫模型进行分类。通过对实际的 4类目标噪声信号进行检测和分类实验 ,结果令人满意 ,证明了该方法的优越性和工程应用前景。     

PMC在噪声环境下的语音识别中的应用

今天的语音识别正处于由实验室技术走向实用化,产品化的关键时期,然而,现有的绝大我数语音识别系统在噪声环境中的性能都不可避免地急上降,环境噪声已经成为语音识 技术商品化的一个主要障碍,因此在语音识 技术逐渐走向实用化的过程中,噪声语音识别日益成为一个重要的研究领域,遗憾的是,由于噪声语音识 问题本身的复杂性,至今还没有一种方法可以圆满地解决这一问题,拟从模型补偿方面,对噪声环境下的孤立词语音识别进行一些探索,重点研究一个在噪声环境下的语音识别算法－－并行模型组合方法（PMC）,详细论述了其原理以及在噪声环境下的语音识别中的应用。实验中,我们使用汉语的数字语音,分别在3种不同噪声不同信噪比条件下对这一方法进行了识别率测试,结果显示,该方法有着令人振奋的识别效果。     

一种500 bps谐波随机激励语音编码算法

提出了一种基于谐波随机激励的变速率语音编码算法 ,其平均码率为 50 0 bps。给出了各种情况下的比特分配方案以及浊音激励参数的分析和合成过程。非正式主观测试表明 ,该算法的语音清晰度测试( DRT)为 90 %     

频率随机捷变雷达信号的平均模糊函数

本文推导了频率随机捷变雷达信号的平均模糊函数,首次给出了该随机序列的模糊函数数学表达式,对其推导过程所采用的主要方法做了叙述,并对结果进行了分析。仿真结果表明,当参数选择合适时,该噪声雷达信号不但具有良好的抗干扰特性,而且可以避免距离模糊。     

一种基于二阶制导系统的最优导引律研究

基于最优控制理论二次性能最优的条件下推导最优导引律的解析解通常是困难的。该文基于二阶制导系统,利用许瓦兹不等式能很容易地推导出一种用解析形式表示的最优导引律。该导引律通过估算剩余飞行时间、测量导弹速度及其导数,能实现零脱靶拦截,且制导系统所需的机动能量与比例导引相比要小得多。