基于DNN的低资源语音识别特征提取技术

针对低资源训练数据条件下深层神经网络（Deep neural network,DNN）特征声学建模性能急剧下降的问题,提出两种适合于低资源语音识别的深层神经网络特征提取方法.首先基于隐含层共享训练的网络结构,借助资源较为丰富的语料实现对深层瓶颈神经网络的辅助训练,针对BN层位于共享层的特点,引入Dropout,Maxout,Rectified linear units等技术改善多流训练样本分布不规律导致的过拟合问题,同时缩小网络参数规模、降低训练耗时;其次为了改善深层神经网络特征提取方法,提出一种基于凸非负矩阵分解（Convex-non-negative matrix factorization,CNMF）算法的低维高层特征提取技术,通过对网络的权值矩阵分解得到基矩阵作为特征层的权值矩阵,然后从该层提取一种新的低维特征.基于Vystadial 2013的1小时低资源捷克语训练语料的实验表明,在26.7小时的英语语料辅助训练下,当使用Dropout和Rectified linear units时,识别率相对基线系统提升7.0%;当使用Dropout和Maxout时,识别率相对基线系统提升了12.6%,且网络参数数量相对其他系统降低了62.7%,训练时间降低了25%.而基于矩阵分解的低维特征在单语言训练和辅助训练的两种情况下都取得了优于瓶颈特征（Bottleneck features,BNF）的识别率,且在辅助训练的情况下优于深层神经网络隐马尔科夫识别系统,提升幅度从0.8%~3.4%不等.     

基于.NET的计量信息管理系统的设计与实现

针对目前计量单位在计量信息管理上的不足，利用Microsoft．NET、SQL Server 2000等软件工具构建了基于．NET的计量信息管理系统。主要针对系统体系构成、数据库结构，以及系统的程序实现技术展开讨论，并给出了系统结构框图和数据库结构框图。该系统采用B／S模式，利用ASP．NET、ADO．NET数据库访问等Web数据库应用系统先进技术，实现了计量信息的网上统计、维护、查询和发布等功能。     

一个基于规则的英语TTS系统

文章给出了一个基于规则的英语，TTS（Text-To-Speech）系统的设计与实现方法。系统以音素作为合成基元，建立音素字典，使用基于规则的文本分析算法将输入英语句子转换成音素序列，使用基音同步叠接相加（PSOLA）算法合成语音。仿真结果表明，合成语音清晰可懂。     

基于离散余弦变换的音频信息隐藏算法

研究了一种将保密语音隐藏在公开的音频载体中的信息隐藏算法.在对保密语音进行改进型多带激励(IMBE)编码,进行纠错编码后形成秘密信息的基础上,对音频载体进行离散余弦变换,通过修改相邻频段的能量而嵌入秘密信息.提取时按同样的方法确定相邻频段的能量值以盲恢复秘密信息,并经IMBE解码还原保密语音.仿真实验结果表明,该算法对音频压缩,加噪等攻击具有较高的鲁棒性.     

综合地质勘探技术在高产高效矿井中的应用

查明在采掘工程中的未知地质异常体，单纯采用物探、钻探或巷探等地质勘探手段是很不够的。通过矿井地质实践证明，先采用综合地质勘探手段相互论证，然后再有针对性地采用井下钻探和巷探对其进一步验证，是保证高产高效矿井安全生产的一种行之有效的办法。     

不同植物配置人工湿地冬季生活污水净化效果比较

以某三级串联水平潜流人工湿地污水处理工程为实验基地,研究了5种华南地区常见湿地植物的选择和配置对净化冬季生活污水的影响,为华南地区人工湿地合理优化配置植物提供一定的依据。结果表明:人工湿地系统在冬季对COD、BOD5、TP和大肠菌群仍有较好的去除效果,对TN的去除效果较差。在实验条件下,COD和BOD5的降解主要发生在第一级湿地单元,TP和TN的降解主要发生在第三级湿地单元。三级串联湿地系统净化效果较佳的植物搭配是:第一级栽种水生美人蕉,第二级栽种再力花,第三级栽种菖蒲。     

语音识别中基于低秩约束的本征音子说话人自适应方法

该文提出一种基于低秩约束的本征音子(Eigenphone)说话人自适应方法。原始的本征音子说话人自适应方法在自适应语料充分时具有很好的效果,然而当自适应语料不足时,出现严重的过拟合现象,导致自适应后的系统可能比自适应前的系统还要差。首先,对协方差矩阵为对角阵的隐马尔可夫-高斯混合模型语音识别系统,推导出一种简化的本征音子矩阵估计算法;然后,对本征音子矩阵引入低秩约束,采用矩阵的核范数作为矩阵秩的凸近似,通过调节核范数的权重因子以有效控制自适应模型的复杂度;最后,给出一种加速近点梯度算法以求解新算法中引入的带有核范数正则项的数学优化问题。汉语连续语音识别的说话人自适应实验表明,引入低秩约束后,本征音子说话人自适应方法的自适应效果得到了明显提高,在5~50 s的自适应数据条件下,均取得了比最大似然线性回归后接最大后验(MLLR+MAP)自适应更佳的识别效果。