倾斜横观各向同性单层地基模型的研究

各类地基模型的研究历来是岩土工程界的热点研究领域之一.首先将坐标原点选在远离荷载作用影响范围的地方,从对称轴竖直的横观各向同性地基模型的弹性力学基本方程出发,采用坐标变换的方法导出了对称轴倾斜的横观各向同性地基模型的本构方程,将此模型与非倾斜及各向同性地基模型进行了对比,并对其在理论上的进一步应用进行预期.另外,通过采用状态空间理论以及积分变换的方法,建立了求解这种新模型的状态空间方程,为将这种新模型理论推广到多层体系提供了准备.     

基于树形通用背景模型的高效说话人辨认

为了提高基于G auss混合模型通用背景模型(GMM-U BM)的说话人辨认系统的运算效率,提出一种基于树的核心挑选算法(TBK S),通过将U BM中的各个G auss分布按组织成树形结构,来减少从中挑选核心分布的运算量。实验结果表明:对1 000个说话人进行辨认,TBK S与现有的基于特征矢量重排序的剪枝算法(ORBP)相结合,将基于GMM-U BM的辨认系统的运算速度提高21.9倍,误识率却只上升不到4%;TBK S和ORBP相结合,可大幅度提高GMM-U BM系统的运算效率,而基本不降低识别率。     

距离加权矢量量化文本无关的说话人识别

本文在研究说话人识别的矢量量化方法时，分析了用矢量量化建立说话人识别模型的可行性。针对量化码本描述的不完全性，提出了一种经距离加权的矢量量化方法，能更好地刻划出说话人语音特征空间的精细结构，从而提高正识率。本文还对特征参数ＬＰＣＣＥＰ的选取进行了理论分析和实验研究，提出了平均互—自差异比的概念，给出了一种对特征矢量的每一维分量识别能力进行定量化估算的公式。实验结果表明，距离加权矢量量化是一种具有很高正识率的与文本无关的说话人识别方法。     

基于幅度差平方和函数的基音周期提取算法

为了在任意采样率下都可以高效、准确地进行基音周期提取,提出基于归一化幅度差平方和函数的基音周期提取算法。导出高效计算幅度差平方和函数的方法,时间复杂度是O(N lbN),给出该函数的归一化定义。归一化幅度差平方和函数的取值反映语音信号的非周期性程度,由此定义了基音周期的状态损失函数和转移损失函数,从而能在后处理过程中利用V iterb i算法,确定最优的基音周期序列。实验结果表明:与通用基音提取算法相比,在保证实时性的基础上错误率降低了9.31%,证明使用该算法提高了基音周期提取的准确率。     

基于小数据量的方言普通话语音识别声学建模

为在少量数据情况下显著提高方言普通话的识别率,针对标准普通话和方言普通话之间发音差异是连续变化的特点,在少量方言普通话的基础上,提出了基于距离度量的识别基元扩展方法,并将扩展基元与状态相关的基于基元的模型归并方法相结合.采用1 h的上海普通话数据作为开发集,用本方法,使音节错误率降低了17.3%. 另外与自适应方法的结合使用,还可以将音节错误率再降低6.6%, 这比单纯应用自适应方法错误率多降低了5.4%.     

含压电层的复合梁的多场耦合分析

压电智能控制结构的应用环境往往不是单一的,而是处在复杂的多物理场环境中,为了保证压电材料的真实行为,必须考虑多物理场耦合的影响.在压电层的基本耦合方程基础上,利用消元法将由虚功方程推导的热、机、电耦合的高阶有限元矩阵方程对应的五元二阶齐次微分方程组变换为四元二阶齐次方程组,由控制理论以及变量替换构建了求解该耦合矩阵通解的状态方程,给出了通解的表达式以及求解方法.     

语音识别中一种新的特征参数选择方法

应用正交实验设计方案对语音识别中特征参数的选择进行了计划、分析与实验设计,目的是在大量的特征参数中选择出具有互补作用的特征参数。该方法有4个特点:1)实验方案的构造方法简单,而且得到的实验方案具有各特征参数搭配均衡的特点;2)实验结果分析方法计算简便,计算结果的物理含意明显;3)只需很少的比较实验就可以找到识别性能较好的特征参数组合;4)已有的实验结果对后续实验方案的设计有很好的指导作用。实验结果表明正交实验设计用于特征参数选择是有效的。     

基于多尺度分形维数的汉语语音声韵切分

针对低信噪比环境 ,提出一种汉语语音声韵母切分新方法。以语音信号非线性产生机制中存在混沌特性为依据 ,将普通分形维数扩展为多尺度分形维数 ,用于考察语音信号在不同最大观测分辨率下的局部自相似性。利用稳定声韵母段及其之间过渡段在多尺度分形维数上的不同特性能较好地区分二者。由此针对汉语音节“声母 +韵母”的结构特点设计了一种简单而高效的汉语语音声韵母切分方法。在干净语音测试集下测试 ,切分正确率为 95 .2 % ;在信噪比为10 d B的噪声环境下 ,正确率达到 82 .3%。     

最大后验估计和加权近邻回归结合的说话人自适应方法

提出了一种最大后验 (m aximum a posteriori,MAP)估计和加权近邻回归 (weighted neighbors regression,WNR)相结合的说话人自适应方法。在 MAP自适应中 ,只有自适应数据对应的模型参数可以得到调整。针对这一缺点 ,提出一种基于变换的模型插值 /平滑方法 - WNR,利用模型近邻信息和 MAP自适应结果 ,建立距离加权的回归模型 ,对没有自适应数据的模型完成模型调整。实验证明 ,该方法可以有效地提高 MAP自适应的速度。在自适应数据为 10句时 ,音节误识率降低近 15 % ;而在自适应数据为 2 5 0句时 ,误识率降低 5 0 %以上。此外 ,证明了向量域平滑 (vectorfield sm oothing,VFS)是 WNR方法的一种退化的特例     

口语对话系统EasyNav中的省略分析

为解决口语对话系统 Easy Nav中大量出现的语境省略现象 ,提出了用于刻画关注状态的主题结构 ,其动态生成的特点适合于在用户主导的场景下 ,对主题的变化进行建模。通过分析省略现象与指代现象的不同与联系 ,将指代分析的指导理论与处理流程延伸到省略分析中 ,从原先以句法结构信息为主进行省略分析 ,扩展到以语义知识和会话因素为主。提出的进行省略分析的主题结构方法 ,不仅使处理各种省略成分的方法统一 ,而且将片断型省略、缺省型省略也统一在同一个处理框架中