基于责任链与策略的复合模式

设计模式使得设计人员可以更加简单方便地复用成功的设计和体系结构,帮助设计人员做出有利于系统复用的选择,避免设计损害系统的复用性.责任链模式将处理用户请求的对象形成一个链,责任链上的每个处理者要么处理用户的请求,要么把请求传递给责任链上的下一个处理者.将策略模式嵌入到责任链模式中形成一种复合模式,设计的核心是为责任链上的每个处理者配备若干个策略,使得处理者可以使用多个策略应对用户的请求,增强了责任链模式处理用户请求的能力和灵活性.     

截取过滤器模式实现策略综述

截取过滤器是构建客户端请求处理管道的设计模式．而客户端请求处理管道是Web程序运行的基石。对截取过滤器实现策略进行探讨．论述和分析这些实现策略的实现方案以及各自的优缺点。     

在客户端处理Oracle的数据行加锁问题

在网络数据库的数据处理过程中,需要保证数据的完整性、多事务的并发性和数据的一致性。网络(多用户)数据库应用系统中,常会遇到多个事务同时请求修改同一数据。数据库的并发性处理保证数据库系统能够合理有效地处理多个事     

采用职责链模式实现多语言系统的程序设计

国际通用的应用程序需要不同语言的软件界面.介绍一种采用职责链设计模式实现多语言系统程序设计的解决方案,并结合具体实例说明了实现该解决方案的过程.实践结果表明,这种方法开发周期短,应用程序所有的语言版本可以同时发布,减少了软件的升级和维护的工作量.     

基于MVC的网上学习系统数据库的开发

针对网上学习系统具有互动性、实时性、并发性等特点,采用MVC分层设计模式,使其能适应未来不断变化的需求和扩展。独立设置Web服务器处理页面HTTP请求,FMS服务器处理视频文件的媒体流转换,既可减轻单台服务器的数据处理压力,也使大数据量的视频传输不影响用户的网页浏览。重点分析数据库开发中数据库设计原则、数据库开发流程,以及数据库建表、数据表关联、数据库连接等实现方法。最后对系统进行功能和压力测试,结果表明,系统能支持大用户量和高并发在线学习和即时交流。系统功能完备、实用性强,推广应用将对包括干部培训在内的网络教育的教学和管理起到积极的示范作用。     

航天数字化空间态势信息保障系统设计与实现

传统信息保障系统存在保障效果差、耗费时间长等问题,为了解决该问题,提出航天数字化空间态势信息保障系统的设计与实现。根据空间态势信息保障系统设计需求,将保障系统整体划分成综合数据库、目标轨道模型、空间要素以及可视化等结构,利用空间态势组成信息设计系统硬件层次结构;将程序作为基本研发单元,设计漫游与缩放数据请求流程,并利用信息保障技术,实现各个应用功能。通过实验验证可知,该系统可有效覆盖秘密时间和空间等要素,对于信息保障效果较好,耗费时间较少。     

设计模式在网元管理系统的应用

设计模式讲述的是解决问题的思想，并不是一种具体的技术。本文介绍网元管理系统中存在的几个问题，以及相应的解决办法——设计模式的使用。所涉及到的主要模式有：适配器模式、建造模式、责任链模式等。     

基于Servlet的线程级安全的分析与实现

在基于Web客户的程序设计模式中，常采用模式．视图．控制器(M-V-C)的设计方法，其中控制器(Controller)常用Servlet程序来实现，它负责分发各种请求和调用其它模块。因此，它对整个系统的性能起着至关重要的作用。本文详细分析了基于Servlet的线程级安全，并提出了具体的实现方法，确保Servlet程序高效而安全地运行。     

面向对象设计模式的C语言实现

介绍了C语言成为嵌入式技术领域主要的程序设计语言的原因,及当前用C语言所编写的程序仍然存在的问题,然后介绍了面向对象的设计模式的概念及优点.并提出将面向对象的思想与C语言结合起来,接着用C语言实现了部分面向对象的设计模式,给出了其代码,并做了相应的注释,为优化C程序的结构提供了途径.最后总结了在C程序中使用这些设计模式的价值.文中所指的C语言均为标准C(ANSIC).     

链下通道路由算法综述

链下通道网络是实现区块链系统性能提升的有效手段,其中路由算法是保证链下通道网络长期高效、稳定运行的关键.提出了链下通道网络层次化架构及路由算法基础模型;从单路路由与多路路由两方面,系统梳理了代表性路由算法及其发展过程;从有效性、并发性、可扩展性、通道平衡、路由选择中心化、成本效益、隐私保护、吞吐量、处理延迟、成功率、搜索效率11个方面设计了链下通道路由算法评价体系,对代表性路由算法进行了对比分析,并探讨了未来研究趋势.     

语音基音周期检测方法

针对现有语音基音检测算法抗噪能力低的问题,利用多尺度连续小波对语音信号进行预处理。基于短时平均幅度差函数和短时自相关函数,提出一种语音基音周期检测方法,在确保运算量较低的前提下,获得准确结果。使用平滑算法消除倍频点、半频点和随机点产生的误差,实现基音曲线平滑。     

结合改进自相关与加权小波分量的基音检测法

自相关函数法和小波变换法是经典的基音检测方法,在简要分析单独使用它们进行基音检测存在不足的基础上,提出一种结合改进自相关与加权小波分量的检测方法。采用改进自相关函数对传统自相关函数进行幅度补偿以弥补传统自相关函数随滞后时间增加导致幅度衰减的缺陷;将多级小波变换分量加权求和以突出语音的基音信息,然后将两种方法结合突出真实基音周期处的峰值。实验结果表明,与传统的自相关函数法和小波变换法相比,两者结合的方法减少了倍频、半频及伪随机点的错误,提高了基音检测的精度。     

基于语音拖音段的端点检测算法研究

为了进行有效的语音信号处理,并降低语音信号的冗余度,通常采用端点检测技术来提取语音信号中的有效部分。本文在传统语音端点检测方法的基础上,提出了一种基于基音周期对语音段末尾进行判别的方法,针对汉语发音都是以浊音结尾的特点,同时利用基音周期对浊音段信号比较敏感这一特性,能够有效地避开汉语语音信号尾部拖音段中所包含的无效信息,既提高了端点检测的准确性,又减少了后续语音识别系统样本训练时间。实验结果证明,该方法对于汉语中孤立词末尾的拖音段,可以得到较好的端点检测效果。     

多语音特征参数的端点检测方法研究

为了提高语音端点检测算法的鲁棒性,提出了一种在不同信噪比下采用不同语音特征参数的端点检测算法.对含噪语音进行基于背景噪声能量估计的信噪比估计,根据估计的信噪比大小选择不同的特征参数来进行端点检测,在高信噪比下采用传统的语音短时能量和过零率,在低信噪比下采用基音周期、高频与全频带能量比和谱失真,即算法能根据信噪比的大小来自适应调整检测方法.实验结果表明,该方法具有良好的鲁棒性,在不同的信噪比下检测的准确率都很高.     

基于LPC残差与SCMDSF相结合的基音周期检测

基音周期检测一直是音频处理领域的研究热点,基音周期的精确检测实际上是一件比较困难的事情。提出了一种LPC残差与SCMDSF相结合的基音周期检测,该算法的特点在于着重对被处理的语音进行滤波预处理,提取语音信号的LPC残差,消除了声道响应信息,对求出的语音残差信号做SCMDSF计算,并求出语音的基音周期。实验表明,在噪声环境下这种处理方法能够比较准确的提取基音周期。     

利用小波变换加权自相关的基音检测法

自相关函数法、平均幅度差函数法及小波变换法是经典的基音检测方法，本文简要分析了单独使用它们进行基音检测时存在的不足，提出了一种基于小波变换的加权自相关的检测方法。将多级小波变换的近似分量加权求和以突出基音信息，采用改进的平均幅度差函数加权自相关函数的方法以突出真实基音周期处的峰值，提高基音检测的正确率。实验表明，与传统的自相关函数法和平均幅度差函数法相比，本文方法减少了倍频和半频错误，提高了基音检测的精度，在信噪比为-5dB时仍能得到较准确的结果。     

基于谱减法的基音检测算法

基音周期是语音信号的一个重要参数,它在多个领域有着广泛的应用。提出了一种基于谱减法的基音检测算法：先用谱减法对带噪语音去噪,然后再求语音LPC预测残差的自相关函数及自相关函数的倒谱。仿真结果表明,利用这种改进算法做基音周期检测,检测效果会比传统倒谱检测方法有明显改善。     

一种高精度的基音提取方案

为了得到准确的基音曲线,该文提出了一个有效的解决方案,通过利用人工神经网络进行浊音判决,以及计算基音频率时利用基于 自相关函数的动态规划算法,有效地克服了在语音信号清音和无声段错误的基音提取以及在浊音段的2倍频或1／2倍频错判。实验证明,利用 该文提出的方案,可以大大提高基音频率提取的准确度,从而得到非常准确的语音基频曲线。     

基于频域时域联合分析的语音端点检测

通过计算语音频谱上谐波基频能量,在频域上检测浊音信号。因谐波频谱是乐音的基本特征,所以这种算法可以有效地消除各种非乐音噪音信号的影响,具有较高灵敏度和准确性。根据检测到的浊音位置和基频值,利用语音信号时域短时平稳特性,在时域上应用互相关系数确定相邻基音节,进而精确检测浊音信号的起始和终止端点。根据清音频率较高的特点,先对语音信号通过二阶微分提升高频能量。应用Teager能量算子可以同时分析能量和频率变化的特点检测纯净语音信号中清音的起始和终止端点。实验研究结果表明语音端点检测算法具有较高的可靠性和精确性。     

Pitch segmentation of speech signals based on short-time energy waveform

In general, speech is constituted of quasi-repetitive patterns called pitches representing the speech fundamental period and tonal information of the voice. Extraction of pitch information that is crucial for many speech processing techniques, usually faces a noise problem and interference caused by high-order harmonic components. This paper introduces a novel, noise-robust method for determining speech fundamental frequency and pitch segmentation, based on a short-time energy waveform (SEW), defined as a moving average squared signal. When applying a moving average filter with a window size closed to the fundamental period, nearly repetitive patterns, with fewer ripples, synchronizing with actual pitches can clearly be observed in the SEW. The DC component in the SEW is removed using morphological top-hat and bottom-hat transforms. The fundamental frequency is determined as the frequency corresponding to the largest peak of the power spectrum of the DC-removed SEW. Finally, a time-domain window search is then performed to locate local extrema associated with pitches. Compared to traditional pitch detection techniques, the proposed technique yields pitch segmentation results with a higher rate of accuracy and greater noise robustness.