单片机应用系统综合实验装置的设计

单片机原理与应用作为电子技术类学科中的必修课程具有很强实践性,要求学生掌握实际应用能力,为此研制了基于单片机系统通信为基础的实验板,依据单片机应用系统特点,可完成SPI、I^2C、UART串行通信以及并行总线方式通信。实验板有利于学生更好地了解和掌握单片机应用系统设计的方法,有利于学生进行自主设计和内容拓展。做到培养学生的学习能力、提高学生的学习兴趣、发挥学生的创造性。     

采用原子表示模型的维吾尔语语音情感识别

针对现有的基于表示学习的语音情感计算算法中存在着限制条件单一的问题,且没有证明它们的有效性,提出了一种采用原子表示模型的语音情感识别算法。通过引入一个新的条件,称为原子分类条件。在这种条件下,对正确识别新的测试情感样本有较好的效果。现有的基于表示的分类算法以单一的稀疏表示方法为主,而提出的算法可以结合稀疏表示模型和其他的表示模型。该算法能够放宽适用条件的范围,使得原子表示模型适应更多分类任务。采集并建立了维吾尔语语音情感数据库。在该情感数据库上,分析维吾尔语情感语音的基本声学特征。通过对情感特征空间进行原子表示的映射变换,可以有效表示情感特征空间。经实验结果证明所提出的方法优于传统的方法,在维吾尔语情感语音数据库上达到了64.17%识别率。      

基于GFMG-SVM模型的应用型高校教师 科研能力评价研究

提升学校科研水平关键在于全面评价教师科研能力,文章分析了应用型高校科研评价存在的问题,构建了基于专 家评价应用型高校教师科研能力评价模型,采用支持向量机(SVM)来模拟同行专家评价,提出了一种广义混合高斯核函数(GFMG)用于提高SVM模型识别率,通过南京某应用型高校实证分析,混合高斯核函数能够提高正确识别率达95.79%,模型能够有效评价应用型教师科研能力。     

面向语音情感识别的语谱特征提取算法研究

语音情感识别的精度很大程度上取决于不同情感间的特征差异性。从分析语音的时频特性入手,结合人类的听觉选择性注意机制,提出一种基于语谱特征的语音情感识别算法。算法首先模拟人耳的听觉选择性注意机制,对情感语谱信号进行时域和频域上的分割提取,从而形成语音情感显著图。然后,基于显著图,提出采用Hu不变矩特征、纹理特征和部分语谱特征作为情感识别的主要特征。最后,基于支持向量机算法对语音情感进行识别。在语音情感数据库上的识别实验显示,提出的算法具有较高的语音情感识别率和鲁棒性,尤其对于实用的烦躁情感的识别最为明显。此外,不同情感特征间的主向量分析显示,所选情感特征间的差异性大,实用性强。     

基于多层多核卷积神经网络的非侵入式负荷监测方法研究

非侵入式负荷监测仅依靠测量得到的总负荷的电压、电流与功率等承载电力信息的信号就实现负荷监测,无需额外的计量装置和线路改造,因此得到广泛研究。针对传统深度神经网络分解模型准确度仍不能满足实际需求的现状,本文提出了一种基于多层多核卷积深度神经网络分解模型。为体现不同设备的特性,模型在数据分割时采用不同的序列长度。然后,模型将分割后的数据先通过高维映射将输入的功率时间序列映射到高维向量,再利用多层卷积法与多核卷积法共同构建出的深度神经网络对生成的信息向量进行特征提取,经多次迭代学习生成负荷分解模型。与多种用于非侵入式负荷分解的深度学习方法相比,本模型对负荷识别准确率提升效果显著,在REDD数据集上的识别准确率达到99.41%。     

语音测谎技术研究现状与展望

早期的谎言测试技术易受个人和环境影响,同时反测谎技术对其影响也很大。基于脑电信号的测谎技术虽然能够直接观察撒谎行为发生时内部相关脑区的神经活动,更加客观地揭示撒谎活动的内部规律,但是此类技术所需的专业设备庞大而贵重。相比之下,语音测谎技术具有时空跨越性和高隐蔽性等优点。本文介绍当前测谎技术的发展情况和基本原理,介绍并分析了当前的非语音测谎指标和声学相关指标的类型及特点;然后介绍了目前公开的几种语音相关的测谎数据库,并重点阐述了语音测谎分类算法的研究进展;最后从汉语测谎语料库建立、语音特征表达、反测谎技术研究、理论研究和配套工作开展等方面对语音测谎技术进行了展望。     

多通道助听器语音降噪算法研究

维纳滤波算法是改善噪声环境下听障患者语音理解度的常用算法之一。针对传统维纳滤波算法噪声谱估计偏差大的问题,提出一种基于改进的多通道维纳滤波算法的助听器语音降噪算法。算法首先结合人耳听觉特性和助听器响度补偿的特点,将语音信号进行Gammatone分解为多路子带信号。然后在每个子带内用基于先验信噪比估计的维纳滤波器进行语音增强处理。最后通过综合子带信号,得到增强的语音。此外,为了改善维纳滤波算法噪声谱估计的问题,提出一种基于包络估计的语音活动检测算法,并用于改善维纳滤波性能。实验结果表明,与传统维纳滤波法相比,该方法能更有效地抑制残留噪声,提高语音可懂度,具有较高的实用价值。     

基于自适应次梯度投影算法的压缩感知信号重构

本文提出一种利用自适应次梯度投影算法（Adaptive Subgridient Projection Method,ASPM）进行压缩感知（Compressed Sensing,CS）信号重构的方案。APSM算法首先根据CS重构模型建立包含稀疏重构信号并具有随机属性的凸集,然后运用并行次梯度投影的思想将对该凸集的投影转化为对多个闭合半平面的投影,最后将更新后的干扰抑制滤波器系数矢量投影到限定集合上。同时为了获得快速收敛性,本文设计了在迭代的不同阶段自适应地调节该膨胀系数的机制。理论分析和仿真结果表明,本算法具有快速收敛性和较低的重构误差,在不同的噪声强度下具有较高的鲁棒性。      

语音压缩感知及其重构算法

在研究语音信号在小波域的稀疏性的基础上,提出双正交小波变换的方法,与一维小波变换方法相比稀疏度提高10%～25%.此外,提出基于自适应次梯度投影算法(ASPM)进行压缩感知(CS)语音信号重构的方案.ASPM算法首先根据压缩感知重构模型建立包含稀疏重构信号并具有随机属性的凸集,然后运用次梯度投影的思想将该凸集的投影转化为对多个闭合半平面的投影,最后将更新后的稀疏重构信号投影到限定集合上.同时,该算法设计了自适应调节膨胀系数的机制以获得快速收敛性.理论分析和仿真结果表明,该算法具有快速收敛性和较低的重构误差,在不同的噪声强度下具有较高的鲁棒性.