排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
基于神经网络的语音增强算法相比于传统方法具有更好的语音增强效果,但因网络规模大导致其难以实时实施于助听器中.对此,本文提出了一种具有低复杂度的循环神经网络用于增强双耳语音.该算法结合双耳语音提取梅尔频率倒谱系数和耳间相位差作为网络的输入特征,在使用双耳语音振幅信息的基础上结合语音空间线索更好的映射目标语音和带噪语音之间的关系.实验结果表明,与助听器常用算法相比,本文算法的双耳平均信噪比和短时语音可懂度平均提高了4.68 dB和4.5%;与基于神经网络的算法相比,本文算法的双耳平均信噪比和短时语音可懂度分别提高了1.63 dB和4.8%.当时钟频率为10 MHz时,本文网络的硬件设计需要4.2 ms左右的处理时间,可以满足助听器的实时需求. 相似文献
4.
5.
面对短文本信息内容稀疏、上下文语境提取困难的挑战,基于维基百科的结构化信息特征,提出一种利用NMF算法来扩展短文本语义的方法。通过自动识别与短文本信息语义特征相关的维基百科概念来丰富它的内容,从而有效提高短文本信息数据挖掘和分析的效果。实验结果表明与已有方法相比,应用此方法可以进一步提高短文本信息语义扩展的效率和准确率。 相似文献
6.
7.
8.
9.
面向能耗优化的面积(核数)-功率(频率)分配问题是当前众核处理器研究热点之一.通过性能-功耗模型了解其在核数-频率空间的分布规律,然后在核数和频率级别这2个维度上通过实测执行逐步搜索,可以获取“核数-频率”配置的最优解,从而达到能耗优化的目的;然而本领域现有方法在核数-频率空间内实测搜索最低能耗时收敛速度慢、搜索开销大、可扩展性差.针对此问题,提出了一种基于求解最优化问题的经典数学方法——可行方向法的最低能耗搜索方法(energy-efficient optimization based on feasible direction method,EOFDM),每次执行都能从核数和频率2个维度上同时减小搜索空间,在迭代执行中快速收敛至最低能耗点.该方法与现有研究中最优的启发式爬山法(hill-climbing heuristic,HCH)进行了对比实验,平均执行次数、执行时间和能耗分别降低39.5%,46.8%,48.3%,提高了收敛速度,降低了搜索开销;当核数增加一倍时,平均执行次数、执行时间和能耗分别降低48.8%,51.6%,50.9%;当频率级数增加一倍时,平均执行次数、执行时间和能耗分别降低45.5%,49.8%,54.4%,在收敛速度、搜索开销和可扩展性方面均有提高. 相似文献
10.
1