一种基于深度神经网络的电力系统调度控制语音识别模型

为了提高电网调度生产效率,需要研发电力系统智能调度助手,而智能调度助手实现的关键是调度控制命令的精准识别,因此,有必要开展适用于电力调度系统的语音识别模型研究。首先,利用深度神经网络的方法,研究适用于电力调度控制系统的语音识别模型。其次,提出了电网调度控制语言特征设计方法,能够有效包容多种方言特征,提高语音识别的准确性。最后,以实际电网为例进行验证,表明了所提方法的有效性。     

基于局域网上的分布式语音识别系统

近年来随着网络和语音处理技术的快速发展。分布式语音识别（DSR）成为语音处理的一个研究方向，与传统集中语音识别不同的是：它基于Client/Server模型，在Client端进行参数的提取，然后通过信道传送到Server端进行识别，把结果送回到Client端。文中介绍基于LAN所设计的DSR系统。     

基于智能语音识别的机器人研究应用

基于智能语音识别的机器人能够利用机器人辅助学习音乐,提高学习效率和学习兴趣。本智能语音识别机器人利用人工智能技术与用户进行语音交流,识别用户的指令和需求,机器人配合做相应的动作。     

基于Conformer的端到端语音识别模型的压缩优化策略

随着深度学习的兴起,端到端语音识别模型受到越来越多的关注。最近,基于Conformer框架的提出,使得端到端语音识别模型的性能得到进一步的提升,同时在语音识别领域也得到了广泛的应用。然而,这些端到端模型由于内存和计算需求较大,所以在资源有限的设备上部署和推理是受限的。该文为了保证模型精度损失较小的情况下,尽可能地减少模型的大小和计算量,分别采用了模型量化,基于权重通道的结构化剪枝以及奇异值分解等三种压缩优化策略,同时对模型量化进行了改进。探究了不同程度的压缩对模型精度损失所造成的影响。通过结合这些策略在不同设备进行了测试,相比于基线在其字错误率误差小于3%的情况下,模型推理识别的速度约提升3～4倍。     

基于粒子群优化算法的配电网优化调度模型

配电网优化调度可以为决策者提供有价值的信息,为了获得理想的配电网优化调度方案,提出基于粒子群算法的配电网优化调度模型。首先对配电网优化调度研究现状进行分析,指出当前模型的不足,并设计了配电网优化调度问题的目标函数和约束条件,然后采用粒子群优化算法模拟粒子群搜索过程找到最优方案,并对标准粒子群算法的不足进行了改进,最后采用配电网优化调度实验测试其有效性。结果表明,该模型可以快速、准确地找到配电网优化调度的最优方案,具有一定的实际应用价值。     

语音情感识别综述

语音情感识别是利用计算机建立语音信息载体与情感度量之间的关系,并赋予计算机识别、理解人类情感的能力,语音情感识别在人机交互中起着重要作用,是人工智能领域重要发展方向。本文从语音情感识别在国内外发展历史以及开展的一系列会议、期刊和竞赛入手,分别从6个方面对语音情感识别的研究现状进行了梳理与归纳：首先,针对情感表达从离散、维度模型进行了阐述;其次,针对现有的情感数据库进行了统计与总结;然后,回顾了近20年部分代表性语音情感识别发展历程,并分别阐述了基于人工设计的语音情感特征的情感识别技术和基于端到端的语音情感识别技术;在此基础之上,总结了近几年的语音情感识别性能,尤其是近两年在语音领域的重要会议和期刊上的语音情感识别相关工作;介绍了语音情感识别在驾驶、智能交互领域、医疗健康,安全等领域的应用;最后,总结与阐述了语音情感识别领域仍面临的挑战与未来发展方向。本文旨在对语音情感识别相关工作进行深入分析与总结,为语音情感识别相关研究者提供有价值的参考。     

关于配电网智能调度模式及关键技术的探讨

配电网智能调度模式应用能够提高电力供应质量,稳定电压,避免供电负荷,是我国电力供应系统逐步实现智能化、科学化的表现,本文从配电网智能调度模式的关进技术入手,对配电智能调度管理进行分析,为我国社会实现低碳发展提供新的发展方向。     

智能配电网调度控制系统技术方案

随着社会经济的快速发展,我国的城镇化建设和工业化建设进程显著加快,人们对生活水平和质量得到显著的提升,在日常生活中人们逐渐加强对各种电器设备的应用,这对城市电网提出了更高的要求.在城市化建设进一步发展的进程中,极大的促进了电网的发展和完善,再加上对先进科学技术的应用,配电网的自动化和智能化水平大大提升,逐渐形成智能配电网,这对提高电网管理效率,更好的满足城市居民的用电需求具有重要的作用.为了更好的发挥出智能配电网的效用,还需要加强制定智能配电网调度控制系统技术方案,这样能够全面的实现配电网的调度控制的智能化,能够促进智能配电网调度控制更好的发展.本文主要是对智能配电网调度控制系统技术方案设计以及在智能配电网调度控制系统中应用的技术分析两个方面做出了详细的分析,这为制定智能配电网调度控制系统技术方案提供了重要的参考依据.     

空管模拟训练中指令的语音识别与合成技术研究

空中交通管制指令标准用语的训练是空管模拟训练中的重要内容。本文对空管模拟训练中指令的自动语音识别及自动语音合成应答问题进行了分析研究,包括:指令标准用语基本特征的分析,语言模型的文法设计,指令特殊发音的处理,多次应答的处理等,并基于开源语音识别引擎及语音合成引擎,设计并实现了一个语音指令识别及合成系统AIRSS.系统实验数据分析表明,应答响应时间及语音合成的效果可以满足空管模拟训练的需求。     

基于机器学习的电网调度指令智能交互技术研究

随着新一代人工智能和通信技术的快速发展,电网调度指令技术面临着新的技术革新,传统的调度指令操作已无法满足目前提质增效的要求.文中深入研究了基于机器学习的电网调度指令智能交互技术,将电网调度指令分解为执行和评估两个步骤,并建立系统化的人机交互模型.模型设计涵盖了人机交互的4个阶段和一个循环过程,通过交互式迭代提升了调度系...     

智能电网的配电运维一体化体系研究

针对智能电网的配电运维一体化体系进行研究,提出配电网智能调控一体化运行模式,通过深度探究配电网运行管理模式现状,对新型配电网自动化技术和智能调度控制系统构建应用进行详细分析,并提出优化智能电网配电运维效果的具体措施,以期为相关人员提供参考。     

基于传感网络与M2M技术的配网信息化设计研究

从智能电网配网建设、传感网络与M2M技术融合的特点出发,设计研究一套基于传感网络与M2M技术融合的配电网信息化管理系统,该系统将实现对配电网综合数据的采集和分析,同时应对多种配电端发生的应急情况,配合调度指挥工作进行。最后指出系统建设研究的下一步工作和展望。     

基于自注意力的端到端方言语音识别模型

方言语音识别是方言保护的核心环节。传统的方言语音识别模型缺乏考虑方言语音中特定方言音素的重要性,同时缺少多种语音特征提取及融合,导致方言语音识别性能不高。本文提出的端到端方言语音识别模型充分发挥了残差CNN（Convolutional Neural Networks）和Bi-LSTM（Bi-directional Long Short-Term Memory）分别在语音帧内和帧间特征提取的优势,并利用多头自注意力机制有效提取不同方言中特定方言音素信息构成语音发音底层特征,利用该方言发音底层特征进行方言语音识别。在基准赣方言和客家方言两种方言语音语料库上的实验结果表明本文提出的方言语音识别模型显著优于现有基准模型,通过对注意力机制的可视化进一步分析了模型取得性能提升的根本原因。      

一种RNN-T与BERT相结合的端到端语音识别模型

端到端语音识别模型由于结构简单且容易训练,已成为目前最流行的语音识别模型。然而端到端语音识别模型通常需要大量的语音-文本对进行训练,才能取得较好的识别性能。而在实际应用中收集大量配对数据既费力又昂贵,因此其无法在实际应用中被广泛使用。本文提出一种将RNN-T(Recurrent Neural Network Transducer,RNN-T)模型与BERT(Bidirectional Encoder Representations from Transformers,BERT)模型进行结合的方法来解决上述问题,其通过用BERT模型替换RNN-T中的预测网络部分,并对整个网络进行微调,从而使RNN-T模型能有效利用BERT模型中的语言学知识,进而提高模型的识别性能。在中文普通话数据集AISHELL-1上的实验结果表明,采用所提出的方法训练后的模型与基线模型相比能获得更好的识别结果。     

智能配电网调度自动化系统分析

为了提高配电网的调度运维能力,切实增强配电网自动化的管理效果,需要综合考虑配电网的实时运行状态,构建智能配电网的调度自动化系统,从而推动智能配电网的可持续发展。因此,要结合智能配电网调度自动化现状,从基本设计、操作环境和功能特性等方面,设计调度自动化系统的主站系统、子站系统、终端及通信模式,明确调度自动化系统的功能配置,保证智能配电网运行安全,打造高效、便捷的智能配电网调度自动化系统,为供电可靠性提供保障。     

多智能体自组织语音识别

语音感知是无人系统的重要组成部分,已有的工作大多集中于单个智能体的语音感知,受噪声、混响等因素的影响,性能存在上限。因此研究多智能体语音感知,通过多智能体自组织、相互协作,提高感知性能非常必要。假设每个智能体输出一个通道的语音流条件下,本文提出一种多智能体自组织语音系统,旨在综合利用所有通道提高感知性能;并进一步以语音识别为例,提出能处理大规模多智能体语音识别的通道选择方法。基于Sparsemax算子的端到端语音识别流注意机制,将带噪通道权重置零,使流注意力具备通道选择能力,但Sparsemax算子会将过多通道权重置零。本文提出Scaling Sparsemax算子,只将带噪较强的通道权重置零;同时提出了多层流注意力结构,有效降低了计算复杂度。在30个智能体的无人系统环境下,基于conformer架构的识别系统实验结果表明,在通道数失配的测试环境下,提出的Scaling Sparsemax在仿真数据集上的文字差错率(WER)相比Softmax降低30%以上,在半真实数据集上降低20%以上。     

智能配电网保护控制的设计研究

随着用电量不断增加,同时对配电网的供电提出了更高的要求和标准,配电网的智能化,已经成为了电力系统研究以及改进的重要趋势.本文对智能电网的技术内涵以及特点进行了研究,阐述了智能配电网的保护控制系统,提出了智能配电网所存在的技术问题和发展情况,对智能配电网保护控制的设计提出了新的思路以及技术课题.     

基于多任务学习的端到端维吾尔语语音识别

维吾尔语是黏着语,词汇量较多,容易出现未登录词问题并且属于低资源语言,导致维吾尔语的端到端语音识别模型性能较低。针对上述问题,该文提出了基于多任务学习的端到端维吾尔语语音识别模型,在编码器层使用Conformer并与链接时序分类(CTC)相连接,通过BPE-dropout方法形成鲁棒性更强的子词,以子词和字作为建模单元,同时进行多任务训练和解码。实验结果分析发现,子词作为建模单元能有效解决未登录词问题,多任务学习模型能在低资源环境下较充分利用数据,学习到丰富的时序语音特征信息,进一步提升模型的识别性能。在公开的维吾尔语语音数据集THUYG-20上与基线相比把子词错误率和字错误率分别降低7.3%和3.8%。      

自适应独立性假设的非自回归Transformer语音识别

基于非自回归Transformer的端到端自动语音识别模型与自回归Transformer等传统模型相比拥有更快的解码速度,然而非自回归的解码方式与独立性假设导致了语音识别结果准确性的下降.为了解决此问题,提出了一种语音表征融合的自适应独立性假设非自回归Transformer端到端中文语音识别模型.在训练期间,通过对表征向量进行注意力融合,改善decoder输入帧语义信息部分缺失的问题;在解码期间,采用基于自适应独立性假设的解码策略,解决非自回归模型独立性假设带来的输出字符条件独立问题.最后,利用迭代式波束搜索进行多目标的排序搜索解码,解决波束搜索算法在提出模型上的不适用问题.在中文数据集AISHELL-1的实验结果显示,模型的实时性因子达到0.005,字错误率为8.8%,较非自回归Transformer基线模型降低了20%,在保证较高的识别速度的同时大幅降低了错误率,展现出先进的模型性能.     

基于HMM的连续小词量语音识别系统的研究

为了提高语音识别效率及对环境的依赖性,文章对语音识别算法部分和硬件部分做了分析与改进,采用ARMS3C2410微处理器作为主控制模块,采用UDA1314TS音频处理芯片作为语音识别模块,利用HMM声学模型及Viterbi算法进行模式训练和识别,设计了一种连续的、小词量的语音识别系统。实验证明,该语音识别系统具有较高的识别率和一定程度的鲁棒性,实验室识别率和室外识别率分别达到95.6%,92.3%。