基于深度学习的两阶段联合声学回波和混响抑制技术

在现代通信系统中，通信语音的质量和可懂度会被回波与混响严重损害，人与人之间的交流因此会被严重干扰。为了同时消除回波与混响的负面影响，本文提出了一种基于深度学习的两阶段联合声学回波和混响抑制系统。该系统逐步地消除加性声学回波与多径效应产生的混响干扰，从而获得目标语音。系统首先使用基于理想比值掩蔽（Ideal Ratio Mask，IRM）的模型去除与目标信号不相关的声学回波，紧接着对于与目标信号强相关的混响干扰，系统通过利用一个基于“隐掩蔽”的谱映射模型将其去除。两阶段模型最后进行联合训练以获得更好的系统性能。一系列不同声学环境下的实验结果表明，本文所提出的系统可显著地消除回波与混响干扰，从而极大地增强了目标语音的语音质量与可懂度。      

叠加去噪自动编码器结合深度神经网络的心电图信号分类方法

针对现有心电图信号分类方法精度较低,模型训练收敛速度较慢的缺点,提出一种基于叠加去噪自动编码器和深度神经网络方法的新型分类方法。该方法采用无监督学习方式,利用带有稀疏约束的叠加去噪自动编码器,实现心电图原始数据的特征学习。基于深度神经网络对信号进行分类,同时利用监督式自主学习微调方法对神经网络权重进行适时调整,从而保证信号分类的精度和质量。利用三个机构的经典数据库对该方法进行实验研究,并与目前两种最新的方法进行对比。实验结果证明,该方法在专家标记样本较少的情况下,仍能明显提高心电图数据分类的准确率,同时加快训练时的收敛速度。     

AHP/碱木质素聚氨酯泡沫的阻燃性能

对精制后的碱木质素进行羟甲基化改性,再利用改性后的羟甲基化碱木质素部分替代聚醚多元醇,采用一步发泡法与聚合MDI制备了羟甲基化木质素基聚氨酯泡沫材料。将次磷酸铝(AHP)作为阻燃剂添加到泡沫中制备了阻燃碱木质素聚氨酯泡沫,通过极限氧指数(LOI)测试分析了羟甲基化木质素基阻燃聚氨酯泡沫的阻燃性能。利用热重分析(TG)和扫描电子显微镜(SEM)分别研究制得泡沫的热降解行为、成炭性能和残炭形貌。实验结果表明,当羟甲基化碱木质素替代聚醚多元醇的量为60%,次磷酸铝的添加量为30%时,碱木质素聚氨酯泡沫材料的极限氧指数(LOI)值达到了27.5%。因此,羟甲基化碱木质素和次磷酸铝使泡沫在燃烧时能更好的形成炭层,从而有效地隔绝空气,降低热传递,提高了材料的阻燃性能。     

一种去中心化的域名服务本地化模型

域名系统(Domain Name System,DNS)作为管理网络空间资源名称与IP对应关系的网络基础设施,在提供广泛的域名解析服务的同时,也存在性能和安全隐患。针对传统DNS系统的中心化树状层次结构引起的对根域名服务器的严重依赖以及可能导致的系统脆弱性,设计了一种去中心化的域名服务本地模型,通过在去中心化互联模型中整合多源数据,重构域名信息解析优先级记录和相应存活时间,以保证域名数据的唯一性及高优先级;同时基于本地数据记录重构模型实现域名解析的快速响应,形成本地DNS数据记录重构模型和域名解析服务模型,实现快速、准确、可靠的域名解析服务。     

纸质简谱图像的分割、倾斜校正及音符歌词提取

乐谱图像的自动分割、倾斜校正是乐谱识别过程中的关键技术,各种计算机光学乐谱识别技术在乐谱图像的数字化中有着广泛的应用,但对于乐谱中简谱的识别一直鲜有研究.本文针对人工拍摄条件下光照不理想的简谱图像,提出一种基于PCNN(脉冲耦合神经网络)和DNN(深度神经网络)相结合的分块简谱图像自动分割算法,该方法根据简谱图像灰度分布特征对图像进行自适应分块处理,依据每个分块的灰度特征与PCNN最佳迭代次数之间的关系构造合适的DNN神经网络,从而实现了最优分割图的自适应选取;进一步利用最优分割图像中音符小节线的水平投影,提出一种双尺度下降法实现了简谱图像的倾斜校正;提出去边垂直投影法和连通域距离判断法实现了简谱图像中音符及歌词的提取.实验仿真结果表明:本文算法对复杂光照条件下的简谱图像处理都具有较好的鲁棒性,同时表现出更高的效率.     

N-苄氧羰基甘氨酰-L-脯氨酸与4'-去甲基表鬼臼毒素的拼接合成及其抗肿瘤活性评价

以4'-去甲基表鬼臼毒素和N-苄氧羰基甘氨酰-L-脯氨酸为原料,通过酯化反应首次得到两种不同构型的拼接产物(3a、3b),其结构经1HNMR、13C NMR和ESI-MS确认.利用MTT法考察化合物3a、3b对HepG2、THP-1、Hela、MCF-7细胞的抑制活性.结果表明,化合物3a、3b对四种细胞都具有抑制作用,以化合物3b对THP-1细胞的作用最突出,其抑制强度是依托泊苷的16.5倍.