输入/输出ATM交换机在突发性业务下的性能

分析了内部无阻塞输入/输出排队反压型ATM交换机在突发性业务下信元丢失、交换机最大吞吐量等性能。输入端口信元的到达过程是ON OFF突发流,且ON态以概率p发送信元,OFF态的逗留时间可认为0,ON OFF长度为指数分布的随机变量;属于同一突发流的信元输往同一个输出端口,不同突发流的信元等概率输往不同的输出端口;输入/输出缓冲器长度有限,交换机加速因子S任意;其中结论对实际设计一种输入/输出排队反压型ATM交换机具有一定参考意义。     

共享缓冲器式ATM交换机

异步转移模式（ＡＴＭ）是实现宽带综合业务数字网（Ｂ－ＩＳＤＮ）的关键技术，就信元丢失率、吞吐量和存储器利用率来说，共享缓冲器式ＡＴＭ交换机是实现Ｂ－ＩＳＤＮ的最佳选择。文中讨论了共享缓冲器ＡＴＭ交换机的结构、工作原理、优先权控制、同播功能和提高输出队列可靠性的措施，提出了一种各输出队列的双门限信元丢失优先级控制的方法，并给出了一实现同播的新方法。     

光突发交换结点中一种新的波长转换器共享方式

提出了一种新的光突发交换网络中交换结点波长转换器共享方式，称为冲突部分转换、在这种方式中波长转换器仅被用于转换发生冲突的突发数据包部分，从而降低波长转换器的占用时间，提高其利用率、对该方式和原有基于完整突发转换的方式在不同共享结构和不同业务强度下进行了对比．仿真表明，无论采用每链路共享结构还是每结点共享结构，这种新型的波长转换器共享方式均优于传统的基于完整突发转换的共享方式，可以更多地节省波长转换器的数量．     

一种适用于光突发交换网络的TCP性能分析模型

针对光突发交换网络的特殊传送方式,提出了一种稳态连接条件下TCP的吞吐量模型;该模型采用统计的方法,综合考虑了突发组装和突发丢失的因素,分析了突发所包含同一连接TCP分组数对TCP吞吐量性能的影响,得到了一个吞吐量与突发丢失率、突发包含TCP/IP分组数及往返时延的闭合表达式,并通过仿真验证了模型的正确性．分析和仿真结果表明突发所包含TCP/IP分组数存在一个最佳临界值,使吞吐量达到最大．     

ATM网路中速率适配问题的研究

在 ATM 网中,由于信元的长度和传输速率的不同,引起了信元周期的变化.为使不同信元周期的信元在 ATM 网中进行交换,需设立周期变换装置.本文利用马尔柯夫键的方法.建立了输入过程为伯努里过程的信元周期变换装置的数学模型,并给出了信元周期比与缓冲器空间大小关系图.     

OBS边缘节点中突发包组装算法的实现

研究了最小长度最大汇聚时间算法在现场可编程门阵列中的实现方法。在实现过程中,使用了状态机控制组装流程。在缓存的使用上,提出了共享缓存的做法以节省存储资源,即根据输入数据流的随机性,实际设置的汇聚缓存数目小于总的突发包类型数目。     

一个安全高效的访问结构上的秘密共享方案

基于Shamir的门限方案提出了一个访问结构上的秘密共享方案。一组秘密被若干参与者共享,每个授权子集中的参与者可以联合一次性重构这些秘密,而且参与者秘密份额长度与每个秘密长度相同。该方案可以进行任意多次的共享,而不必更新各参与者的秘密份额。与现有方案不同的是,一次共享过程可以共享多个而不仅仅共享一个秘密,提高了秘密共享的效率并拓宽了秘密共享的应用。分析发现该方案是一个安全、有效的方案。     

光突发交换网络特性对TCP性能的影响

TCP／IP分组在光突发交换（OBS）网络的边缘汇聚成突发，突发通过OBS网络交换,为了定量研究TCP性能与汇聚时间的关系，从汇聚时间的角度仿真TCP性能，发现汇聚时间对TCP性能的影响存在门限值，在该门限值以上TCP吞吐量快速下降，同时发现，当丢失的突发中含有3个以上连续传输段时，TCP发靖将超时，理论分析了上述过程，验证了仿真结果的准确性。     

基于神经网络和输入缓冲器分级的ATM信元调度方法

针对ＡＴＭ中的多种业务类型,提出了将不同业务类型的信元存储于交换机中不同输入缓冲器的方法,并使用神经网络对其信首信元进行调度。实验结果表明,采用神经网络对队首信元进行调度,与开窗随机选取信元方法相比,可降低信元丢失率和排队时延;将到达信元按其业务类型分别存储于不同缓冲器中并用神经网络进行队首信元调度,可使这些信元满足各自的性能指标。     

基于门限的漏桶算法在突发业务下的性能分析

提出了一种ＡＴＭ网业务流量控制方法－基于门限的漏桶算法,分析了基于门限的漏桶算法在突发业务输入时的性能,给出了数值结果,并与传统的漏桶算法进行了比较,实验结果表明,基于门限的漏桶算法通过降低优先级信元的性能以保证高优先级信元的性能的方法是可行的。     

基于DSP的语音识别系统的设计与实现

一种基于定点数字信号处理器TMS320VC5402的实时语音识别系统。能够实现非特定人、小词汇表、孤立词的语音识别。系统以线性预测倒谱参数为特征参数,采用动态时间归整识别模型,在小词汇量特定人条件下,该系统的正识率可达到98%以上,在非特定人情况下正识率在93%以上。     

利用矢量量化的说话人识别系统的研究

利用矢量量化(VQ)技术实现了与文本有关的说话人识别。系统采用语音信号的LPC倒谱系数、差值倒谱系数、基音周期和差值基音周期的混合特征参数作为识别的特征矢量集,对语音库中语音的平均识别率达到了92％,实时识别率达到90％以上。实验结果表明该系统具有识别精度高、速度快等特点,是一种有效的说话人自动识别的实现方法。     

基于自适应心理声学模型的智能语音识别系统

针对包含环境噪声和信道失真等噪声的语音处理问题,提出了一种基于自适应心理声学模型的智能语音识别系统,并建立了听觉模型.该模型将心理声学和耳声发射(OAE)合并到了自动语音识别(ASR)系统中,利用AURORA2数据库分别在清洁训练条件和多训练条件下进行试验.结果表明,所提出的特征提取方法可以显著提高词识别率,优于梅尔频率倒谱系数(MFCC)、前向掩蔽(FM)、侧向抑制(LI)和倒谱平均值及方差归一化(CMVN)算法,能够有效地提高智能语音识别系统的性能.     

基于Mel倒谱特征和RBF网络的孤立词语音识别方法

Mel谱失真测度是一种弯折频率谱失真测度,用Mel频率尺度可较充分地反映人耳对频率及幅度的非线性感知特性,以及人耳在听到复杂声音时所表现的频率分析和谱合成特性。本文针对孤立词语音识别,对常规LPC倒谱特征提取方法进行改进,即将LPC倒谱按符合人耳听觉特性的Mel尺度进行非线性变化,得到LPC Mel倒谱系数(LPCMCC)作为特征参数。识别网络使用RBF神经网络,进行了孤立词语音识别。实验结果表明此种方法抗噪性能好,识别效果高。     

Algorithm for extraction of features of robot speech control in the factory environment

In the real working environment,the mobile robots have a poor recognition performance to speech control commands due to the noise effect. Aiming at this issue,this paper proposes a new algorithm based on the gammatone frequency cepstral coefficient and the mixed feature extraction of the Teager energy operator. This algorithm replaces the common Mel filter with the Gammatone filter. In the process of extracting gammatone frequency cepstral coefficients,the Teager energy operator reflecting the energy of speech signal is added to form a new feature, with the dynamic characteristics of the speech signal considered. It is combined with the first-order difference parameters to form a mixed feature. And the principal component analysis is made to reduce the dimension,and the final mixed features are used to the speech recognition system for control command of the mobile robot. Experimental results show that,in the environment of the workshop noise and signal-to-noise ratio of 10dB,the recognition rate of mixed features is improved by 12.20% compared with the mel frequency cepstrum coefficient. The recognition rate of the mixed feature is increased by 1.02% when the dimension is reduced by principal component analysis.     

基于DSP的嵌入式语音识别系统的研究与实现

设计并实现了一个特定人、孤立词和小词汇量的嵌入式语音识别系统.系统硬件的核心芯片采用普遍使用的16位定点DSP芯片TMS320VC5416,软件上主要采用动态时间规整算法来实现语音识别.给出了系统整体的软硬件框架,并比较和分析了分别将线性预测倒谱参数和美尔频标倒谱参数作为语音特征参数时系统的性能,为语音识别的嵌入式应用提供了参考依据.     

噪声背景下语音识别特征参数选择研究

为提高语音识别系统的实用性与实时性,该文采用缺失特征分量的方法研究了美尔频率倒谱系数静态特征及其一阶差分各分量对识别率的影响.在不同信噪比情况下,分别对含白噪声、粉红噪声、车载噪声和工厂噪声这四种典型噪声的语音进行了实验研究,结果表明:在保证系统有较高识别率的情况下,在低信噪比时,含白噪声的语音信号缺失美尔频率倒谱系数...     

一种基于EEMD的异常声音识别方法

为了优化组合特征在异常声音识别中的效率,提出一种用集合经验模态分解（EEMD）对异常声音帧信号进行有效性检测和提取多层特征的算法.首先对异常声音帧信号进行集合经验模态分解,得到固有模态函数;然后根据给定的固有模态函数层数阈值,对该帧信号进行有效性检测;再对有效帧信号的每一层固有模态函数提取梅尔频率倒谱系数、翻转梅尔频率倒谱系数、线性预测倒谱系数、短时能量和能量比,并将它们归一化后拼接成多层特征.根据提取的特征,用深度卷积神经网络实现异常声音识别分类.仿真结果表明,提出的新方法在4类异常声音识别中的识别率可以达到98.65%.     

Data-Driven Temporal Filtering on Teager Energy Time Trajectory for Robust Speech Recognition

Data-driven temporal filtering technique is integrated into the time trajectory of Teager energy operation （TEO） based feature parameter for improving the robustness of speech recognition system against noise. Three kinds of data-driven temporal filters are investigated for the motivation of alleviating the harmful effects that the environmental factors have on the speech. The filters include： principle component analysis （PCA） based filters, linear discriminant analysis （LDA） based filters and minimum classification error （MCE） based filters. Detailed comparative analysis among these temporal filtering approaches applied in Teager energy domain is presented. It is shown that while all of them can improve the recognition performance of the original TEO based feature parameter in adverse environment, MCE based temporal filtering can provide the lowest error rate as SNR decreases than any other algorithms.     

Comparative Study on Channel Compensation for Robust Speech Recognition

Some channel compensation techniques integrated into front-end of speech recognizer for improving channel robustness are described. These techniques include cepstral mean normalization, rasta processing and blind equalization. Two standard channel frequency characteristics, G. 712 and MIRS, are introduced as channel distortion references and a mandarin digit string recognition task is performed for evaluating and comparing the performance of these different methods. The recognition results show that in G. 712 case blind equalization can achieve the best recognition performance while cepstral mean normalization outperforms the other methods in MIRS case which is capable of reaching a word error rate of 3.96 %.