基于循环神经网络的汉语语言模型建模方法

语言模型是语音识别系统的重要组成部分,目前的主流是n-gram模型。然而n-gram模型存在一些不足,对语句中长距信息描述差、数据稀疏是影响模型性能的两个重要因素。针对不足,研究者提出循环神经网络(Recurrent Neural Network,RNN)建模技术,在英语语言模型建模上取得了较好的效果。根据汉语特点将RNN建模方法应用于汉语语言建模,并结合两种模型的优点,提出了模型融合构建方法。实验结果表明:相比传统的n-gram语言模型,采用RNN训练的汉语语言模型困惑度(Per PLexity,PPL)有了下降,在对汉语电话信道的语音识别上,系统错误率也有下降,将两种语言模型融合后,系统识别错误率更低。     

基于比特频率检测低码率线性分组码的盲识别

在通信系统中,为了保证传输信息的可靠性,通常会采用信道编码技术,而线性分组码凭借其具有编、译码结构简单及非常优越的纠错性能,已在各种现代数字通信系统中得到广泛应用,因此,在信息截获领域中对线性分组码盲识别问题也日益突出。为解决较高误码条件下的低码率二进制线性分组码的盲识别问题,提出了基于比特频率检测估计码长的方法,然后,通过优化传统的矩阵化简方法及采用线性分组码的校验关系设定一个判决门限T的方式完成生成矩阵的正确求解,进而实现对低码率的线性分组码的盲识别。理论分析及仿真验证表明:该方法能够实现对低码率线性分组码正确的识别,且具有较好的容错性能,本文最后也验证了该识别方法在较高误码率条件下具有较好的识别效果。     

一种K值自适应和局部搜索的KNN矩阵修复方法

数据在采集和传输过程中由于多种原因会造成矩阵残缺,因此在数据分析之前需要对残缺矩阵进行修复。常见的KNN修复方法 k值选取不合理,且需在整个矩阵中搜索近邻,影响算法的修复效果。在其基础上提出了一种k值自适应的局部KNN矩阵修复方法,合理考虑了k值的选取和近邻项的搜索范围。实验证明了该方法能有效提高矩阵修复的正确率,且算法的时效性有所提高。     

基于稀疏流形聚类嵌入模型和L1范数正则化的标签错误检测

综合利用含错标签中的有用信息和数据结构中蕴含的鉴别信息,提出一种基于稀疏流形聚类嵌入模型和L1范数正则化的标签错误检测修正方法.首先,用稀疏流形聚类嵌入模型将数据投影到易分类的空间,利用标注正确的极少量样本和最近邻分类器获得新标签;然后,构造标签错误检测模型,获得仅含0、1元素的检测向量,正确、错误的标签分别对应着1、0的位置;最后,给出了相应的优化算法及收敛证明,并在相关实验上验证了算法的有效性.     

基于载波相频差异矩阵的单通道盲分离算法

目前欠定条件下盲分离算法的研究集中在稀疏性强的语音信号,适应性较差。且存在分离不完全、残余成分较大的问题。针对该问题提出了一种基于载波相频差异矩阵的单通道盲分离算法。该算法在信号频谱混叠的情况下,利用通信信号的载波相频信息来构建差异矩阵,实现单路到多路的变换。在多通道框架下以基于核密度估计的遗传算法实现多通道盲分离。实验结果表明:该方法对信号稀疏性无严格要求,适应性强,并能较彻底地分离出常规同频通信信号。     

一种基于数据融合的合作频谱感知技术

认知无线电是为了提高频谱利用率而提出的一种智能频谱共享技术,快速可靠的检测到主用户和频谱空穴是认知无线电实现的关键和前提.由于阴影和多径衰落的影响,单认知用户检测可靠性低.基于数据融合的合作感知可以大大提高对主用户的检测概率.文中提出基于数据融合的等权重增益结合准则.仿真结果表明:当融合中心采用等权重增益结合准则时的检测性能要优于采用硬判决融合准则时的检测性能.     

互调干扰信号的特征识别

在复杂电磁信号环境中,实际存在为数不少的互调干扰信号,对这类信号的有效分析识别,是无线电监测工作需要重点关注解决的难题。对互调干扰信号在幅度特征和频谱峰值特征两个方面的特性进行了分析,给出了互调干扰信号识别的思路。     

基于ICA和HMM的低空声目标识别方法

提出了一种基于独立分量分析（ICA）和隐马尔可夫模型（HMM）的战场声目标识别方法。针对战场环境下声信号复杂多变,提取目标信号特征难的特点,该方法先利用基于独立分量分析的盲源分离分解混叠信号,再从分离信号中得到更能反应声音特性的Mel倒谱系数作为识别战场低空目标的特征参数;利用隐马尔可夫过程具有很强的表征时变信号的能力来表现声信号随时间变化呈现出的模式演变现象,建立隐马尔可夫模型（HMM）。实际数据的识别分析结果表明了该方法的准确性与有效性。     

基于北斗GEO卫星信号的海面目标非协同探测性能分析

对利用北斗GEO（Geosynchronous Orbit）卫星信号开展海面目标非协同探测的性能进行分析。首先提出了初步系统结构方案,分析了北斗信号并建立了直射和反射信号模型,从最大探测距离和伪随机码模糊性两方面分析了基于北斗卫星信号的海面探测性能。仿真实验结果表明,基于北斗GEO卫星的反射信号在强度和信噪比等指标上都要优于GPS MEO（Medium Earth Orbit）卫星的反射信号,北斗的Kasami码和Gold码在时延和多普勒频移维上都具有很好的时间分辨力,利用北斗GEO卫星信号开展海面目标非协同探测是可行的。      

基于量子遗传算法的盲源分离算法研究

在改进遗传量子算法的基础上，提出了一种新的量子遗传算法并从理论上证明了算法的全局收剑性．提出了基于量子遗传算法与独立分量分析算法相结合的盲源分离新算法．仿真结果表明：新方法比采用常规遗传算法的盲源分离方法具有明显的高效性．