基于生成对抗网络的信号调制方式的开集识别

为解决信号调制方式的开集识别问题,基于生成对抗网络提出了一种适用于一维信号数据的重构判别网络模型,该模型由重构网络和判别网络组成,分别用来重构和判别输入信号。两个网络在相互对抗的训练过程中,对已知调制方式信号的数据分布形式充分学习,使得重构后的输出不仅能够呈现已知调制方式信号更多有用的信息,而且能够扰乱未知调制方式的信号,从而增强判别网络对输入信号调制方式的判别能力。仿真结果表明,该模型能够实现信号调制方式的开集识别,而且在信噪比大于0 dB时,对已知调制方式和未知调制方式信号的识别率均大于93%。     

一种新的高效大型音乐数据库查询算法

在基于哼唱的音乐信息检索领域中，查询处理算法一直是一个重要的研究课题。根据人对乐曲相似理解的实验结果，设计了新的基于单侧连续匹配的可容错的近似匹配的算法．此算法采用n—gram的顺序hash索引，加快了可容错的查询处理速度．还设计了一系列包括各种类型和各种数量错误的查询的实验，来比较该算法和其他两种常用算法的查询处理速度和容错能力．当测试数据集为78000首网上收集的MIDI乐曲段，包含各种错误的查询为1000个时，该算法取得79％的前3位命中率和87％的前10位命中率．这些结果表明，该方法的性能高于现有的算法．表2，参8。     

大型音乐哼唱检索系统中的近似匹配算法及性能评测

研究了大型音乐哼唱检索系统中采用的近似匹配算法的性能问题,为了支持对于多种近似匹配算法的比较研究,开发了一个独立于算法的测试平台.所研究的基本算法包括后缀树、隐马尔科夫模型(HMM)、编辑距离、动态时间规整(DTW)和单侧连续匹配(OSCM)方法,用于测试的音乐数据库包括72 000首音乐片段.通过构造1 500个不同类型错误的查询方法,对其中3类方法算法进行了大量实验,分析评价了它们的性能.实验结果表明,基于单侧连续匹配的算法不仅查询速度快,而且在用户哼唱只包含与旋律轮廓方向相同的错误时,查询的准确率是100%,在用户哼唱包含两个以内与旋律轮廓方向相反的错误时,前10位的命中率也在90%左右,是适用于大型哼唱检索系统的查询算法.图11,表1,参8.