基于迭代结构和MS估计的信源信道联合解码

利用信源参数的非等概分布和时间相关性,以及软输入软输出信道解码提供的接收参数似然信息,提出了基于递归结构的联合信源信道解码算法.该算法由基于MS估计的软输入信源解码和基于迭代结构的维特比信道解码两部分组成.仿真实验表明对于具有时间相关性的高斯信源和加性高斯白噪声信道,与信源信道独立解码相比,联合算法得到的参数信噪比提高了近10 dB,有效提高了接收系统性能.     

基于高斯相似度分析的最大后验非线性变换HMM自适应算法

由于训练环境和识别环境的失配,识别系统的性能会严重下降,为此提出了基于高斯相似度分析的最大后验概率非线性变换的环境自适应算法,它可以减小由于环境的失配所引起的系统性能的下降.在该算法中,首先将HMM模型中的高斯分量进行相似度分析并建立二叉树,然后根据数据自适应调整变换类数,在每一类内利用分段线性回归近似非线性变换将训练环境下的HMM变换到识别环境,减小环境的失配,变换参数的估计采用了最大后验概率估计(MAP).数字语音识别实验证明:该环境自适应算法的识别性能优于带有高斯相似度分析的MLST、MAPLR和MLLR等算法.     

多小区V-BLAST系统中基于后验信干比平衡的功率控制方法

针对多小区V-BLAST系统中的同信道干扰问题,提出了一种基于后验信干比平衡的功率控制方法以及简化的次优算法,通过调整各基站每个发送天线的功率,平衡移动台接收端各路子流的后验信干比.仿真结果表明,与现有功率控制方法相比,该方法在系统中断概率以及平均误比特率(BER)上都可以达到更好的性能.次优算法在保持较高性能增益的同时显著降低了运算的复杂度.     

迭代更新信源模型参数的信源-信道联合译码

提出一种在HMM基础上同时更新模型参数和译码的信源信道联合译码算法.通过接收到的含噪声信息序列以及由训练序列获得的先验知识对信源模型参数重新估计,将参数更新与联合译码过程迭代进行,一方面得到了信源序列更精确的概率结构,另一方面提高了联合译码的性能,并从信息论角度给出了信源模型参数的改善量.     

基于子词PSPL的汉语语音文档索引

针对汉语语音文档检索中最优识别单元和检索单元不一致的问题,提出一种基于子词(position specific posterior lattices, PSPL)的语音文档索引方法;该方法以词为识别单元对语音文档进行解码,得到PSPL;然后对PSPL进行子词切分,并根据子词弧与原始词弧的后验概率关系,将PSPL转换为相应的子词PSPL,以子词PSPL为索引进行查询项检索. 实验结果表明,所提出的方法在利用丰富语言信息的同时,解决了词解码器存在的边界分割不正确的问题,检索性能明显优于目前普遍使用的识别单元和检索单元均为词的PSPL索引方法.     

子带频谱分析的语音增强

提出一种有效的语音增强算法,该算法使用重叠相加FFT滤波器进行谱幅度估计,给出噪声估计的两个均值参数,此参数适用于任何噪声.而且进行噪声估计无需检测语音间隙,无需VAD的运算过程,克服了单信道噪声压缩算法的缺点.     

语音关键词检测系统中基于时长和边界信息的置信度

针对关键词识别中基于后验概率的置信度方法对语音发音变化信息利用不充分的问题,提出了一种基于时长和边界信息的置信度. 该方法引入一个松弛因子,灵活地选择词信息相同的弧段计算置信度,从而进行关键词拒识. 在此基础上,设计并实现了一个基于Lattice 的大词表语音关键词检测系统,先用改进的动态规划算法在音节网格上进行关键词检出,尽可能多地给出关键词候选,然后采用基于时长和边界信息的置信度进行关键词确认. 实验结果表明,该方法相对于主流的计算方法,系统的等错误率（equal error rate,EER）提高了7%.     

利用粒子滤波与支持向量机的数字混合信号单通道盲分离

针对基于粒子滤波盲分离算法运算复杂度高的问题,将支持向量机理论引入到粒子滤波算法中,提出一种数字调制混合信号单通道盲分离算法. 确定了算法中粒子权值更新方法,并给出了参数与符号序列的后验概率密度估计. 从后验概率密度估计的统计特性和运算复杂度两个方面详细分析了算法的性能,并从理论上证明该文给出的后验概率密度估计能很好地逼近真实后验概率密度. 理论分析与仿真结果均表明,与基于粒子滤波的盲分离算法相比,算法在误码率性能相当的情况下,有效缩短了运算时间.     

基于干扰管理的宏基站与家庭基站联合资源分配

提出了一种宏用户与家庭小区联合资源分配算法,该算法基于启发式动态分簇算法对宏用户和家庭基站进行联合信道分配,在对家庭基站进行分簇的同时有效降低了家庭基站系统与宏蜂窝系统之间的跨层干扰. 在保证宏用户和家庭用户QoS 的约束条件下,构建了以最小化家庭基站发射功率为目标的最优化问题,并推导了优化的家庭基站发射功率的闭合式,最后用次梯度法解优化问题. 仿真结果表明,该算法降低了家庭基站系统干扰,减小了家庭用户中断概率,并提高了家庭基站能量效率.     

干扰环境下数目可变的多目标跟踪

针对环境中干扰因素对目标跟踪性能的影响,提出了一种跟踪数目可变的多目标方法. 该方法通过聚类算法来判断目标的出现或消亡,并获得目标数目,然后利用基于无迹卡尔曼的廉价联合概率数据关联算法获得量测与已知目标轨迹的互联概率,并实现状态传递. 与传统的廉价联合概率数据关联算法相比,该算法在干扰环境下跟踪性能更优,可处理目标数目可变的多目标跟踪问题.     

基于纠错编码的图像水印算法

本文提出了一个基于纠错编码的图像水印算法，在嵌入水印时先将水印信息进行纠错编码再嵌入到图像中，在提取水印时对恢复出的水印信息进行纠错解码，实验结果表明，该算法比未采用纠错编码的同一水印算法具有更好的稳健性能。     

基于二阶差分耳蜗模型的语音识别新方法

采用二阶差分耳蜗模型对语音信号进行特征参数提取,获得了基于听觉谱的语音识别前端特征参数,同时根据听觉谱特征提出了一种"幅和频差积"距离测度,识别算法采用端点放松两帧,路径斜率限制在1/2到2之间的改进型DTW算法.在小词汇量非特定人(SI)的识别环境下,计算机模拟结果表明此法在对0~9十个数字以及小词汇量的SI识别时,其正识率可达98%以上,且具有较好的鲁棒性.     

离散变换算法在关键词检测系统中的研究

阐述了一个在较强噪声环境下针对汉语非特定说话人的连续无限制语音流中检测出其中关键词语音的公交车路线查询系统.为增强其关键词语音信号提出了建立一种新的基于离散变换的语音增强算法.并对同一噪声环境下增强关键词语音信号的模型与未增强关键词语音信号的模型进行了比较,结果显示,采用增强语音信号强度的算法在提高关键词的检测率同时,有效地降低了误报率,系统的整体性能较好,具有一定的实用性.     

应用改进BP网络进行铁路客运量预测研究

针对传统铁路客运量预测方法的不足,提出运用改进BP神经网络结合四阶段法进行客运量预测,给出了预测算法,建立了铁路客运量神经网络预测模型,并对敦煌铁路客运量进行预测,设计网络参数,进行网络学习和训练,最终得到较为精确的2010年及2015年敦煌铁路客运量,为该线路今后的运营管理提供决策参考．     

低信噪比环境下语音检测的邻域极值差分信号功率谱分维算法

提出一种邻域极值差分信号功率谱的分形维值算法,并用于低信噪比环境下的语音活动检测. 在时域信号邻域范围内作极值差分检索获得邻域极值差分信号,进一步根据差分信号功率谱估计的最小误差求解分维值.在安静环境下,对正常语音和耳语音的语音信号活动检测(speech activity detection, SAD)性能与盒维相似,明显好于谱熵算法. 多种噪声环境下的SAD检测结果显示,所提算法的误检率远低于谱熵算法,在除白噪声以外各种条件下的误检率均低于盒维算法,且计算量约为盒维算法的5%. 实验表明,该算法在SAD检测和效率两方面具有良好的综合性能.     

自组织特征映射神经网络用于语音识别的研究

该文提出了一种优化的自组织学习算法。基于自组织特征映射(SOM)神经网络和隐马尔柯夫模型(HMM)法,组成了一种新的语音识别系统,该系统采用SOM网络作为矢量量化器。SOM网络经过优化的自组织学习算法训练后,再用K均值聚类算法对其进行调整。实验结果表明,该文提出的语音识别方法确实能提高系统的识别率。     

识别LSB和USB的门限自适应算法

基于语音谱的统计特性提出了一种从模拟话音SSB信号中自动识别出LSB或USB调制方式的算法.该算法简单,计算量小,非常适合用DSP来实时实现;门限自适应处理使得该算法鲁棒性较好.仿真结果表明该算法在低信噪比时仍有令人满意的识别效果.