基于说话人辨识的自上而下听觉显著性注意模型

为体现听觉注意神经信息处理计算机制对听觉场景内容的自动分析与理解功能,本文基于人耳对频率变换的感知特性,结合深度信念网络的说话人辨识与听觉显著模型,提出了一种自上而下的听觉显著性注意提取模型.仿真结果表明:该模型具有可行性,同时在利用深度信念网络的说话人辨识技术中能够有效地凸显目标说话人的显著度.     

对K-means及势函数聚类算法的研究与改进

在目前聚类方法中, k-means与势函数是最常用的算法,虽然两种算法有很多优点,但也存在自身的局限性。 k-means聚类算法：其聚类数目无法确定,需要提前进行预估,同时对初始聚类中心敏感,且容易受到异常点干扰;势函数聚类算法：其聚类区间范围有限,对多维数据进行聚类其效率低。针对以上两种算法的缺点,提出了一种基于 K-means 与势函数法的改进聚类算法。它首先采用势函数法确定聚类数目与初始中心,然后利用K-means法进行聚类,该改进算法具有势函数法“盲”特性及K-means法高效性的优点。实验对改进算法的有效性进行了验证,结果表明,改进算法在聚类精度及收敛速度方面有很大提高。     

多声源环境下的鲁棒说话人识别

针对多声源干扰环境下说话人识别系统性能急剧下降的问题,提出一种提取目标语音的前端处理方法,该方法依据独立语音时频域的近似稀疏性,基于目标语音方位信息采用非线性时频掩蔽方法提取目标语音。建立了基于梅尔倒谱系数(MFCC)的高斯混合模型(GMM)说话人识别系统。仿真实验证明,该方法能有效提取目标语音,提高说话人识别系统的鲁棒性。该文多声源干扰仿真实验条件下,说话人识别系统的识别率平均提高了25%左右。     

数据中心安全防护体系设计研究

随着大数据技术的兴起，人类从“互联网时代”进入“大数据时代”，大数据在带来高价值的同时，也伴随着新的安全风险，为解决数据中心传统安全防护体系不适应新型系统架构，传统安全防护无法应对新型网络攻击等问题，采取传统安全系统与安全服务相结合的方式，设计数据中心安全防护体系，以网络侧全流量审计，主机侧全行为采集，应用侧全日志记录为基础全维度采集信息，结合威胁情报实施关联分析，达到及时感知威胁，深度分析威胁、快速处置告警的主动安全防护能力。确保数据中心从数据汇入、存储、分析、展示等全过程安全可靠。     

制服智能选号型装置的研究与设计

针对目前国内制服号型匹配作业效率与精准度低的现状,设计出一种基于配衣参数因子的智能选制服号型装置,能实现快速、智能、精准的对个人制服号型的选择;该装置以超声波身高测量仪、电子体重计、头围测量仪、脚长测量仪、测量控制电路、数据传输转换单元等组成人体测量硬件系统,其作用主要是用于快速采集人体相关测量指标数据;在软件设计方面采用智能选号型算法,其目的是对所采集数据进行智能定量分析,最后准确的匹配出个人制服号型;试验结果表明,该装置设计理论充分且性能良好,具有广泛的应用推广前景。     

基于时频域的具有延迟的欠定盲分离

本文针对衰减-时延混合模型,提出一种改进欠定语音盲分离算法。利用独立语音在时频域上的近似稀疏性,提出势函数面-聚类方法,通过此方法可直接获得源信号的个数和各声源方位信息,省去传统聚类方法中衰减-时延的配对步骤,提出的新势函数具有很好的适应性。分离阶段,利用势函数面聚类方法估计声源信号方位信息重构声源相对传递函数,采用非线性时频掩蔽方法分离感兴趣目标语音信号,实现了不同方位信息声源信号的欠定分离,放宽了对稀疏性的限制。仿真实验证明了此分离方法的可行性和有效性,弱混响条件下的分离信号输出信噪比平均达到了16dB。     

多说话人环境下目标说话人语音提取方案

于目标声源的方位信息与非线性时频掩蔽语音欠定盲分离方法和BP说话人识别技术的研究基础上,针对现实生活中多说话人交流场景,设计并提出了一种行之有效的解决方案,实现了对处于任意方位的任意目标说话人语音的提取.该方案总体上分目标语音搜索与提取两个阶段,搜索阶段采用了BP说话人识别技术,提取阶段采用了一种改进的势函数聚类声源方位信息与非线性时频掩蔽的语音欠定盲分离方法.实验结果表明:该方案具有可行性,可从混合语音流中有效提取处于任意方位的目标说话人语音,且效果较好,信噪比增益平均为8.68dB,相似系数为85%,识别率为61%,运行时间为20.6S.     

基于音频指纹的两步固定音频检索

提出了一种基于过零率和音频指纹的两步固定音频检索算法.在基于过零率直方图的初步检索中,采用直方图的迭代计算和动态的观测窗滑动步长来减少计算量并加快搜索速度,快速筛选出相似度较高的候选音频片段;接着基于降维Philips音频指纹对候选音频进行精检索,进一步提高检索精度.实验结果表明,该音频检索算法在保证较好的检索准确性基础上,大幅度提高了检索速度,且具有较好的鲁棒性.