基于BP神经网络的智能车牌识别系统

车牌识别是智能交通中信息化管理车辆的重要环节,对构建智慧城市具有重要意义.针对国内车牌的结构特点,设计了一种基于BP神经网络的智能车牌识别系统.系统利用去噪算法及数学形态学方法对车牌照片中的车牌位置进行定位,针对国内车牌特征分割字符,然后基于白像素点提取13维特征并将车牌不同位置的字符分别输入到不同的BP神经网络进行分...     

端点检测对说话人识别的影响

由于在说话人识别研究中发现,语音信号包括静音段、辅音段和浊音段,说话人的个性特征主要蕴含在浊音段中,静音段与辅音段参与识别会明显降低说话人的识别率。同时大量的实验证明,使用端点检测去掉静音段和辅音段后识别率有明显的提升,针对这种情况,指出了端点检测后的语音,其特征分布将会更加符合高斯分布。实验结果表明,端点检测越精确,其识别效果也就越好。     

基于SPN的5G智慧医疗研究

针对5G智慧医疗的组网承载需求,从所涉及的业务场景入手,分析院内、院间、院外三个业务场景的特征差异,细化各自场景在快速性、灵活性、可靠性方面的网络需求.并结合SPN(切片分组网)承载网关键技术,给出基于SPN的5G智慧医疗专网建设方案.其中院内和院间业务场景可通过专享通道进行组网承载,院外业务场景可通过优享通道进行组网...     

与文本无关说话人识别

由于传统的说话人识别中,常用的特征参数有线性预测系数（LPC）、Mel频率倒谱系数（MFCC）,采用单一特征参数并不能很好地反映说话人特性.针对这种情况,提出了引入Delta特征和特征组合的方法.实验结果表明,引入Delta特征和特征组合对识别效果有明显提高,实验中选用GMM作为说话人识别模型.