降低冰箱压缩机机械噪声的试验研究

本文就工作中一款压缩机噪声大问题,从噪声频谱、零件精度、零件配合度、零件清洁度等方面分析,找出因零件表面杂质引起活塞拉毛导致压缩机机械噪声超标原因,并提出相应解决措施。     

Turbo迭代下的改进谱减法研究

自迭代式的谱减法虽然能有效提高去噪度,但是随着迭代次数的增加会造成语音畸变。结合Turbo迭代原理,在噪声子空间引入小波包多阈值去噪对迭代谱减法进行改进。将谱减法和小波包多阈值去噪根据Turbo原理结合起来,两个分量滤波算法各自工作在信号子空间和噪声子空间提取语音信号,并在每次迭代时将各自输出作为另一分量滤波算法的先验信息。仿真实验表明：该算法在10次Turbo迭代处理后收敛,并在低信噪比下能较好地去噪和降低语音失真度。     

基于稀疏特征迁移的语音情感识别

为了解决语音情感识别系统中训练数据和测试数据来自不同数据 库所引起的识别率降低的问题,提出了一种基于稀疏特征迁移的语音情感识别方法。通过引入稀疏编码获取情感特征在不同数据库条件下的共同稀疏表示;同时引入最大区分差异（Maximum mean discrepancy, MMD）来衡量不同数据库条件下稀疏表示分布之间的距离,并将其作为稀疏编码目标函数的约束条件,从而获得较为鲁棒的稀疏特征。实验结果表明,相比传统语音情感识别方法,基于稀疏特征迁移的语音情感识别方法显著提高了跨库条件下的情感识别率。     

用于跨库语音情感识别的DBN特征融合方法

跨数据库语音情感识别中,将不同尺度上提取的情感特征进行融合是目前的技术难点。本文利用深度学习领域的深度信念模型,提出了基于深度信念网络的特征层融合方法。将语音频谱图中隐含的情感信息作为图像特征,与传统情感特征融合。研究解决了跨数据库语音情感识别中,将不同尺度上提取的情感特征进行融合的技术难点。利用STB/Itti模型对语谱图进行分析,从颜色、亮度、方向三个角度出发,提取了新的语谱图特征;然后研究改进的DBN网络模型并对传统声学特征与新提取的语谱图特征进行了特征层融合,增强了特征子集的尺度,提升了情感表征能力。通过在ABC数据库和多个中文数据库上的实验验证,特征融合后的新特征子集相比传统的语音情感特征,其跨数据库识别结果获得了明显提升。      

语言信号处理算法中的批处理技术

语音信号处理算法分为按采样点处理和按帧处理。例如数字滤波就是对样点处理(DSP算法对每一个输入的样点循环一次)，但是许多的语音信号处理算法不是对每一个输入的样点循环一次，而是每隔一定的时间间隔循环一次。例如自相关抗噪声法、非线性处理法、谱减法等等。     

听觉注意模型的语谱图语音情感识别方法

在语音情感识别技术中,由于噪声环境、说话方式和说话人特质原因,会造成实验数据库特征不匹配的情况。从语音学上分析,该问题多存在于跨数据库情感识别实验。训练的声学模型和用于测试的语句样本之间的错位,会使语音情感识别性能剧烈下降。本文据此所研究的选择性注意声学模型能有效探测变化的情感特征。同时,利用时频原子对模型进行改进,使之能提取跨语音数据库中的显著性特征用于情感识别。实验结果表明,利用文章所提方法在跨库情感样本上进行特征提取,再通过典型的分类器,识别性能提高了9个百分点,从而验证了该方法对不同数据库具有更好的鲁棒性。      

视频技术在反事故演习调度系统的应用

针对反事故演习对保证电网安全稳定运行的重要性，介绍了视频联合反事故演习系统的概况及体系结构、功能和特点，讨论了系统3个主要软件模块开发的关键技术。系统采用视频数字化和微软的NetMeeting技术，为电力反事故演习用户提供可视的交互手段，通过NetMeeting提供的COM技术灵活实现了用于满足电力演习的通信模块，通过专用的视频编解码技术实现了演习场景和调度人员的同步远程传输。     

小波包分解下的多窗谱估计语音增强算法

传统谱减法是基于短时傅里叶变换的单一分辨率算法,具有较大方差。为此,提出一种基于小波包分解下的多窗谱估计语音增强算法。将含噪语音在小波包下分解成不同频段,在不同频段下进行多窗谱谱减运算,并逐一进行小波包重构,以得到去噪后的语音信号。仿真结果表明,该算法能提高含噪语音的信噪比,降低语言失真度。     

面向语音情感识别的Gabor分块局部二值模式特征

谱特征在语音情感识别中起到了重要的作用,然而现有的谱特征仍未能充分表达谱图中的语音情感信息.为研究语音情感与谱图之间的联系,提出了一种面向语音情感识别的Gabor分块局部二值模式特征（GBLBP）。首先,获取情感语音的对数能量谱;然后,采用多尺度,多方向的Gabor小波对对数能量谱进行处理,得到Gabor谱图;再次,对每张Gabor谱图进行分块,采用局部二值模式提取每个块的局部能量分布信息;最后,将提取到的所有特征级联,得到GBLBP特征。Berlin库上的实验结果表明:GBLBP特征的平均加权召回率比MFCC高了9%,识别性能显著优于众多谱特征,且与现有声学特征有较好的融合性。      

光伏探测器响应非线性的机理分析

随着光伏探测器在傅里叶变换红外(FTIR)光谱探测领域的广泛应用，光伏型器件的响应非线性现象逐渐成为影响FTIR光谱反演精度的关键问题。文章对光伏探测器的响应非线性进行研究，首先，总结了光伏探测器的一般原理与等效电路；然后，对导致探测器出现响应非线性的内部效应与外部因素进行分析；最后，总结了内外因素之间的关联，并在结论中给出了对探测器进行非线性校正的工作方向。这对揭示半导体器件对不同通量辐射的响应规律、对于改善研究光伏探测器的非线性问题以及提高FTIR光谱探测精度具有重要的意义。