注意力机制对生成对抗网络语音增强迁移学习模型的影响

基于深度学习的语音增强模型对训练集外语言语音和噪声进行降噪时,性能明显下降.为了解决这一问题,提出一种引入注意力机制的生成对抗网络(Generative Adversarial Network,GAN)语音增强迁移学习模型.在生成对抗语音增强模型的判别模型中引入注意力机制,以高资源场景下的大量语音数据训练得到的语音增强...     

密闭空间爆炸温度动态不确定度评估方法研究

融合了灰色模型GM(1,1)、Bootstrap方法以及不确定度评定理论,建立了密闭空间内爆炸温度动态测量不确定度的灰自助评估模型GBM(1,1),选取某次爆炸试验300s的温度数据作为分析数据,运用估计真值、估计区间和平均不确定度等参数表征其估计结果。实验结果表明,GBM(1,1)模型融合了灰色模型GM(1,1)和Bootstrap方法的优势,可以准确模拟动态测量数据的概率分布,并实时跟踪被测量瞬时值的变化趋势。相比于灰色模型GM(1,1)和Bootstrap方法,灰自助模型GBM(1,1)具有更高的真值估计准确度和区间估计可靠度,其估计误差分布区间为［-12.62, 13.58］,标准差为8.69℃,最大相对误差为1.2%,区间估计可靠度高于90%,估计区间能够较完整地包络被测量的动态波动范围。由此证明GBM(1,1)模型能够对密闭空间内爆炸温度的动态测量不确定度做出准确评估。     

基于区间分析的不确定性结构动力学模型修正方法

提出了一种基于区间分析的不确定性有限元模型修正方法。在区间参数结构特征值分析理论和确定性有限元模型修正方法基础上,假设不确定性与初始有限元模型误差均较小,采用灵敏度方法推导了待修正参数区间中点值和不确定区间的迭代格式。以三自由度弹簧-质量系统和复合材料板为例,采用拉丁超立方抽样构造仿真试验模态参数样本,开展仿真研究。结果表明,当仿真试验样本能准确反映结构模态参数的区间特性时,方法的收敛精度和效率均较高;修正后计算模态参数能准确反映试验数据的区间特性。所提出方法适用于解决试验样本较少,仅能得到试验模态参数区间的有限元模型修正问题。     

基于双耳语音分离和丢失数据技术的鲁棒语音识别算法

鲁棒语音识别技术在人机交互、智能家居、语音翻译系统等方面有重要应用。为了提高在噪声和语音干扰等复杂声学环境下的语音识别性能,基于人耳听觉系统的掩蔽效应和鸡尾酒效应,利用不同声源的空间方位,提出了基于双耳声源分离和丢失数据技术的鲁棒语音识别算法。该算法首先根据目标语音的空间方位信息,在双耳声信号的等效矩形带宽（Equivalent Rectangular Bandwidth,ERB）子带内进行混合语音信号的分离,从而得到目标语音的数据流。针对分离后目标语音在频域存在频谱数据丢失的问题,利用丢失数据技术修正基于隐马尔科夫模型的概率计算,再进行语音识别。仿真实验表明,由于双耳声源分离方法得到的目标语音数据去除了噪声和干扰的影响,所提出的算法显著提高了复杂声学环境下的语音识别性能。     

一种基于BP神经网络的语音相空间客观干扰效果评估模型

通过建立语音信号的相空间结构,在分析不同受扰语音相空间变化的基础上,提取了两组表征语音干扰变化的特征参数,利用BP神经网络建模方法建立了一种基于输出模式的客观语音干扰效果评估模型,并录制了大量试验数据对模型进行了验证,表明该模型具有较强的可信性,该模型可以直接在通信链路终端使用,避免了输入输出模式评估方法在应用中严格同步的困难,可操作性比较强.建立了一种新的客观语音干扰效果评估模型.     

含区间不确定性参数的机翼气动弹性优化

提出了一种具有区间不确定性的机翼颤振优化方法.采用拉丁超立方方法建立仿真试验表,基于MSC.Nastran平台进行颤振仿真分析.获得仿真数据之后,应用Kriging方法构造了包含区间不确定性参数的机翼颤振分析代理模型,并进行有效性检验.基于建立的代理模型并按照区间序数关系,将不确定性优化目标和约束条件转化为确定性表达形式,从面形成区间不确定性的结构优化设计方法.该方法将区间法优化和代理模型相结合,同时综合有限元仿真和遗传算法的优点,计算效率较高且应用范围较广.以某复杂机翼结构为例进行了含区间不确定性的颤振优化计算.分析结果表明了所提方法的正确性和可行性.     

蚁群算法求解弹性本构参数区间反问题

建立了弹性本构参数区间反问题的数值模型,利用区间参数摄动有限元方法和基于网格划分策略的连续域蚁群算法进行求解,探讨了非均质、不确定区间半径、初值选择及数据噪音对反演结果的影响,数值验证给出令人满意的结果。     

基于深度学习的单自由度机械臂定位可靠性估计

针对单自由度机械臂的系统中存在多个区间不确定性参数,并在工作时受到外部随机扰动的影响,提出了一种基于深度学习神经网络模型的方法来估计单自由度机械臂的定位可靠性。对系统进行不确定性分析,利用区间数描述系统动作过程中的不确定性参数,建立单自由度机械臂的不确定模型;区间不确定参数在一次动作过程中可视为定值,通过实验数据结合参数辨识的方法辨识出几组实验的参数,并验证单自由度机械臂仿真模型的准确性;对区间不确定参数进行拉丁超立方采样代入仿真模型,机械臂在外部随机扰动中实现定位,得到训练神经网络模型的样本数据,构造基于Levenberg-Marquardt(levenberg-marquardt,LM)算法的神经网络模型,进行了Monte-Carlo仿真分析,估计了单自由度机械臂的定位可靠性为84.12%。最后通过多组实验数据的分析,表明提出的方法具有高效性和有效性,可为其他非线性复杂系统的定位可靠性估算提供了新的思路。     

实用语音情感数据库的设计与研究

针对实用语音情感研究的需要,设计并且建立了诱发语音情感数据库。根据刺激评估表,设计了一种基于计算机游戏的情感诱发方式,首次针对汉语音的实用语音情感进行了情感数据的采集和情感语音库的建立。对烦躁、紧张和喜悦等三种具有实际应用意义的语音情感进行了有效的诱发,录制了情感语音数据,并进行了数据的检验与听辩测试。结果显示,采用计算机游戏诱发情感的方法能够有效地采集自然度较高的实用语音情感数据,为实用语音情感的特征分析与识别提供了必要的研究基础。     

基于子带分析稳健的说话人识别

针对说话人识别系统易受噪声干扰的问题,考虑语音的非平稳特性,以语音信号各个频段区间所含有信号能量大小和所携带信息量多少的不同为前提假设,以大量的试验为基础,研究语音信号各个子带对噪声的稳健性、所含信息的充分性。研究发现,语音信号的低频区携带大量的说话人个性信息,并且能量集中,不易被噪声干扰,再通过适当地处理,使系统在10dB信噪比下识别率超过90％。     

全卷积循环神经网络的语音情感识别

语音情感识别是人机交互的热门研究领域之一。然而,由于缺乏对语音中时频相关信息的研究,导致情感信息挖掘深度不够。为了更好地挖掘语音中的时频相关信息,提出了一种全卷积循环神经网络模型,采用并行多输入的方式组合不同模型,同时从两个模块中提取不同功能的特征。利用全卷积神经网络（Fully Convolutional Network,FCN）学习语音谱图特征中的时频相关信息,同时,利用长短期记忆（Long Short-Term Memory,LSTM）神经网络来学习语音的帧级特征,以补充模型在FCN学习过程中缺失的时间相关信息,最后,将特征融合后使用分类器进行分类,在两个公开的情感数据集上的测试验证了所提算法的优越性。     

WDRC释放时间对普通话言语理解度的影响研究

宽动态范围压缩算法作为助听器非线性听力补偿的核心算法,其释放时间常数的设定可影响言语理解度。根据普通话的语音特点,将宽动态范围压缩算法按频率范围划分为低频区间(     

基于流量统计实时识别QQ语音通信的方法

针对腾讯QQ语音应用的识别问题,建立了客户源端模型,并对流量进行了离线分析。在此基础上,提出了基于流量统计的两种识别方法:Bayesian识别法和心跳识别法。一方面,利用QQ语音应用的源端编码特点,得出语音数据流量的本质特征,并使用Bayesian理论进行检测。另一方面,针对QQ语音应用中一些非语音数据包的周期性特点,利用卡方检验,提出了心跳识别的方法。实验结果表明,这两种方法综合使用,可以很有效地实时检测QQ语音流量。     

汽车语音交互模型及设计策略

目的 在智能技术飞速发展、用户需求不断增长的背景下,以用户体验为中心,探索汽车工业“新四化”趋势下的汽车语音交互新形态,重构汽车语音交互模型,针对性地提出交互设计策略。方法 分析车载语音系统与用户之间的信息交流过程,构建汽车语音界面架构和交互模型。通过“新四化”趋势下汽车语音交互在信息主体、信息范围和信息内容等方面的变化综述,运用信息处理流程理论开展汽车语音交互模型和设计策略研究。结果 根据车载语音系统的信息处理流程,提出了以功能层、内容层、形式层、情感层为信息架构的汽车语音界面,构建了基于信息交流的汽车语音交互模型。基于语音界面的信息架构理论,提出了未来的汽车语音交互在功能拓展、内容丰富、形式优化和情感满足等方面的设计策略。结论 从信息交流角度开展的汽车语音交互设计研究,对车载语音系统交互设计和体验优化具有参考意义。     

小样本数据的支持向量机回归模型参数及预测区间研究

支持向量机是由统计学习理论发展起来的机器学习算法,它从结构风险最小化的角度保证了模型的最大泛化能力.文中运用支持向量机进行小样本数据回归分析研究.首先利用推广性的界理论指导支持向量机回归模型参数的选取,以保证模型具有最大的推广能力;其次,运用基于正态分布和基于t分布的两种区间预测方法进行了预测值的区间估计;最后,利用模拟序列和真实的航空发动机油样光谱分析数据作为实验数据,建立了支持向量机回归分析模型,并与最小二乘法进行了比较.结果表明,所提出的支持向量机模型参数选取和区间估计方法适用于小样本数据的回归分析,具有较高的预测精度.     

基于区间参数的水电机组振动传导研究

在建立的伞式混流式水轮发电机组振动完善模型的基础上,引入各参数的区间性,结合区间算法和随机摄动理论,推导了水电机组各传导路径的传导力及传导率的上、下限和均值的计算表达式,建立了具有区间参数的水电机组-厂房耦合系统的振动传导分析方法。通过算例,分析了结构参数不确定性对传导率的影响,验证了模型和方法的合理性与可行性。该方法能够反映参数不确定时振动传导路径传递率的范围及敏感性等问题,为全面分析水电机组振动传递特性提供理论基础和数据支撑。     

广义Pareto分布参数的Bootstrap置信区间及应用

针对广义Pareto分布应用于超阈值数据拟合时尾部数据较少的情况,将参数的极大似然估计与Bootstrap方法相结合,给出参数的Bootstrap置信区间。Bootstrap置信区间计算方法既可以通过重复抽样充分利用样本信息,又可以避免样本较少时估计量方差偏大的情况。理论证明参数的Bootstrap置信区间是渐近有效的。数值模拟结果表明在一定的置信度下,置信区间的区间长度和覆盖率比较合理。应用建立的Pareto模型对巴颜喀拉地震带震级数据进行分析,结果表明在相同的置信度下,采用Bootstrap方法计算的置信区间比由近似协方差矩阵计算的区间长度更短,这为广义Pareto模型描述地震震级分布的适用性提供了支撑。     

结构-声场耦合系统区间鲁棒优化设计

以工程中普遍存在的结构-声场耦合系统为研究对象,充分考虑系统本身及外载荷的不确定性,基于区间理论建立了含有非概率不确定参数的区间有限元分析方法及区间鲁棒优化模型。首先,利用区间对不确定性参数进行定量化描述,借助泰勒展式提出了求解耦合系统响应范围的区间有限元分析方法。然后,引入鲁棒优化设计的思想,基于区间序关系和区间可能度,分别建立了含区间参数目标函数和约束条件的转换模型,原区间不确定性优化问题就转化为确定性的多目标优化问题。最后通过数值算例,进一步说明了本文所建立鲁棒优化设计模型及算法的有效性。     

测量仪器校准间隔的模糊范数融合预测

校准间隔的预测是解决测量仪器不足校准和过剩校准的一种主要方法。现有校准间隔预测模型仅仅关注瞬时值,而随机因素的存在导致瞬时值难以精确预测。针对这一问题,在历史校准数据为小样本条件下,提出一种模糊范数融合模型,进行测量仪器校准间隔预测。首先,通过分析历史校准数据的特征和影响因素,建立了校准数据的数学描述模型。在此基础上,采用模糊范数融合模型,预测校准数据的区间。实验表明,模糊范数融合模型更能反映校准数据序列的变化趋势,克服了其它预测模型仅仅预测瞬时值的缺点,提高了预测的可靠性。     

基于深度压缩感知的语音增强模型

随着压缩感知的深入研究,压缩感知在语音增强方面的应用也备受关注。针对传统压缩感知语音增强算法中存在的不足,将压缩感知与深度学习结合构建名为基于深度压缩感知的语音增强模型(Speech Enhancement based on Deep Compressed Sensing, SEDCS)。基于压缩感知原理使用编解码模型代替压缩感知中语音信号稀疏过程,使用卷积神经网络代替测量矩阵实现语音信号观测降维过程,通过联合训练的方式实现语音增强。实验结果表明：该模型能够完成语音增强任务,并且与现有的压缩感知语音增强算法相比,该模型能取得较好的语音增强效果;相比利用深度学习的语音增强算法,该模型虽性能一般,但在模型泛化性能和测试阶段的增强时间效率上有一定提升。