一种基于快速最近特征线的汽车牌照识别方法

提出一种基于快速最近特征线法(NFL)的车牌识别方法.根据颜色的视觉一致性,采用Munsell颜色空间的NBS颜色距离的概念对色彩进行聚类,再采用不同的结构元素,对于聚类后的图像进行一系列的数学形态学运算,准确定位出车牌的位置后,以NFL为基础,采用一种快速的计算方法,把待识别字符划分到最相匹配的类别中.实验表明,提出的车牌分割与识别新方法快速,准确,能有效地提高汽车牌照的识别效率.     

一种基于MBE的快速基音搜索算法研究

多带激励声码器(MBE)是目前理想的语音编码方案之一，他的核心参数是基音周期，分析过程采用ABS方法，提高了语音参数提取的准确性，可在噪声环境中合成出自然度和可懂度很高的语音。针对其基音搜索算法计算量过大的缺点，首先提出了一种新颖的中心偏离函数计算法，该方法先对原始语音进行傅里叶变换得到原始语音谱，再针对各个基音候选值确定其相应于原始语音谱的予带划分，通过对比每个划分的中心偏离量，可以确定最佳基音周期；其次设计了一种简单有效的倍频消除算法，通过简单的循环计算，可以消除倍频现象；仿真结果表明，这两种方法的结合不仅大大降低了原算法的计算量，而且保持了他精度高的优点。     

一种基于非线性特征的应力影响下变异语音识别方法

考虑到变异语音产生的非线性特点,本文提出了一种基于TEO能量算子倒谱特征的应力影响下变异语音识别方法。先将语音信号分割成21个不同频带的信号,然后计算TEO能量,最后进行对数运算和离散余弦变换。对航空模拟飞行器中采集的小词表特定人的识别实验,采用非线性分析的基于TEO能量算子倒谱特征的方法,能有效地提高变异语音的识别性能,比传统的基于MFCC特征的方法识别率提高了11.3％。     

一种改进的BP神经网络模型及其在语音识别中的应用

提出了一种改进的ＢＰ神经网络模型，即多层双并联神经元可学习的人工神经网络，给出了相应的算法。并以异或问题和对称性检测问题为题，对改进算法和传统算法的优缺点进行了比较；对改进的ＢＰ网络在孤立单字语音识别应用作了初步探讨。     

一种CDHMM／MLP混合模型及其在语音识别中的应用

本文提出了一种由连续隐马尔可夫模型与多层感知器构成的混合模型，并将该模型应用于语音孤立词识别，这种混合模型首先用ＣＤＨＭＭ来获取输入信号的动态特性，然后再以ＭＬＰ分类器对输入信号进行分类识别。其主要目的是通过ＭＬＰ分类器，对ＣＤＨＭＭ中的似然估计值进行分析，分类，以加强和提高ＣＤＨＭＭ的分类能力。根据这种混合模型，我们建立了一个含３０个英语单词的语音识别系统。实验结果表明，该系统的识别率明显高于传     

一种新的基于单元的CPLD在交换网络中的应用

美国Ｌａｔｉｃｅ公司一直是在世界上处于领先地位的可编程逻辑器件的供应商，所生产的ｉｓｐＬＳＩ／ｐＬＳＩ１０００、２０００、３０００和６０００系列ＣＰＬＤ和ｉｓｐＧＡＬ、ｉｓｐＧＤＳ／ＧＤＸ等器件已广泛地应用在通信、ＲＩＳＣ／ＣＩＳＣ微处理器接口和数字信号处理等领域。文章以ＣＰＬＤｉｓｐＬＳ１６１９２ＤＭ在程控交换机的交换网络中的应用为例，介绍了ｉｓｐＬＳＩ／ｐＬＳＩ６０００系列产品的卓越性能和开发方法     

一种改进的K近邻算法在网页分类中的应用

K近邻(k-Nearest Neighbor)算法是进行分类时最常用的文本分类算法,基本的K近邻算法是基于余弦向量距离计算相似度,由于特证词权值的计算采用的是TF-IDF方法,使得该算法在文本分类中对于噪声特征非常敏感,本文针对这一问题,提出在网页分类的领域中,根据网页文章的特性,考虑特征词出现不同位置,改进相似度的计算公式,实验证明,提高了分类的准确性。     

一种基于分形模型的新特征及其在自动目标识别中的应用

基于分形模型的自相似性，提出一种识别自然背景中人造目标图像特征的新方法．解释了该特征的含义，给出了计算方法，并利用实验数据将其与分维数特征和分形模型拟合误差特征进行了对比，说明了该特征在识别自然背景中人造目标时的优越性；还以实际红外图像的处理结果显示该特征在实际中应用的效果．     

一种改进的快速LMS/Newton算法及其在声回波对消中的应用

本文提出了一种改进的快速LMS/Newton算法.该算法既不同于完全基于RLS算法的FNTF算法^[1],又不同于完全基于LMS算法的算法2^[2].算法在格型预测器部分采用快速RLS算法,而在自适应横向滤波器部分采用LMS算法,并加以适当改进.所提出的算法既不存在FNTF的稳定性问题,又比算法2^[2]有更快的收敛速度.采用语音信号激励,辨识实际测量的声回授通道的冲激响应的模拟实验证实了上述论断.     

基于金字塔分解和扇形局部均值二值模式的鲁棒纹理分类方法

针对传统局部二值模式(LBP)的特征鉴别力有限和噪声敏感性问题,该文提出一种基于金字塔分解和扇形局部均值二值模式的纹理特征提取方法。首先,将原始图像进行金字塔分解,得到对应于不同分解级别的低频和高频(差分)图像。为提取兼具鉴别力和稳健性的特征,进一步采用阈值化处理技术将高频图像转化为正、负高频图。然后,基于局部均值操作提出一种扇形局部均值二值模式(SLMBP),用于计算各级分解图像的纹理特征码。最后,对纹理特征码进行跨频带的联合编码和跨级别的直方图加权,从而获得最终的纹理特征。在公开的3个纹理数据库(Outex, Brodatz和UIUC)上进行分类实验,结果表明该文所提方法能够有效地提高纹理图像在无噪声环境和含高斯噪声环境下的分类精度。     

一个基于神经树结构的模式分类系统

目前，广泛应用于解决模式识别问题的方法有：分类树和层次前馈神经网络，本文提出了一种基于神经树结构的模式分类新方法，该方法使用小规模的神经网络作为分类树的节点，提取模式中非线性特征信息，实验结果表明，该方法一方面中以减小分类树用于模式识别产生的误差和分类树中节点的数目，另一方面可以缩短训练神经网络所需的时间。     

语音识别算法的确定与实现

在语音识别的实验中，对几种算法方案进行了比较、分析和择优淘劣，标准是在一定词汇量的条件下，权衡占用机器的内存空间、（正确）识别率和响应速度。力争使与话者有关的单词语音识别系统的设计达到优化，取得满意的结果。本文即是此项实验的总结。     

语音识别技术在BACnet网络中的应用

在介绍语音识别和BACnet的基本知识的基础上，着重阐述了将语音识别技术应用于BACnet之中。提出了两种语音识别技术用于BACnet的方案。即把对说话人的确认作为操作员密码和识别操作员的口述命令。     

基于广义维数距离的语音端点检测方法

为能够准确有效地对含噪声语音信号进行起止位置的端点检测,该文提出了一种基于广义维数距离的端点检测方法。首先利用覆盖法求取广义维数得到该语音信号的三维特征向量,包括容量维数、信息维数、关联维数;然后计算信号的维数特征距离;最后根据特征距离对语音信号类别进行决策分类。实验结果表明,与仅使用单一维数特征检测语音起止端点相比,该文所提出的方法具有较好的鲁棒性,对混杂有不同噪声、不同信噪比的语音信号都能有较好的检测结果,尤其适用于低信噪比的语音端点检测。     

基于加权AVA的SVM辐射源识别算法研究

支持向量机(SVM)最初是用以解决两类分类问题,不能直接用于多类分类,如何有效地将其推广到多类分类问题是一个正在研究的问题。该文总结了现有主要的支持向量机多类分类算法,分析比较了各算法的分类精度,同时对其中一类方法进行了改进。最后,把本文方法用于辐射源识别问题的解决,实际仿真结果表明该方法是有效的。     

多带抗噪声语音识别算法研究

根据Flether等人的研究,基于感知独立性假设的子带识别方法被用于抗噪声鲁棒语音识别。本文拓展子带方法,采用基于噪声污染假定的多带框架来减少噪声影响。论文不仅从理论上分析了噪声污染假定多带框架在识别性能上的潜在优势,而且提出了多带环境下的鲁棒语音识别算法。研究表明：多带框架不仅回避了独立感知假设要求,而且与子带方法相比,多带方法能更好的减少噪声影响,提高系统识别性能。     

基于特征分析的人脸检测算法的DSP实现

由于监控视频中人脸影像的多角度性和多尺度性,实时视频中人脸的实时检测成为智能监控系统中的关键技术之一。算法首先根据MATLAB统计好的肤色模型确定候选肤色区域,然后依据人脸的形状特征排除非人脸区域,可以实现所有人脸的精确定位;同时采用区域增长的连通域方法来确定人脸候选块,代替了边缘检测等方法,减少了DSP的运算量。算法在ICETEK-DM6437-B评估板上实现。经过测试,该算法可以很好的满足实时人脸检测的要求。     

基于深度学习特征融合和联合约束的单通道语音分离方法

为了提高单通道语音分离性能,该文提出基于深度学习特征融合和联合约束的单通道语音分离方法。传统基于深度学习的分离算法的损失函数只考虑了预测值和真实值的误差,这使得分离后的语音与纯净语音之间误差较大。该文提出一种新的联合约束损失函数,该损失函数不仅约束了理想比值掩蔽的预测值和真实值的误差,还惩罚了相应幅度谱的误差。另外,为了充分利用多种特征的互补性,提出一种含特征融合层的卷积神经网络(CNN)结构。利用该CNN提取多通道输入特征的深度特征,并在融合层中将深度特征与声学特征融合用来训练分离模型。由于融合构成的特征含有丰富的语音信息,具有强的语音信号表征能力,使得分离模型预测的掩蔽更加准确。实验结果表明,从信号失真比(SDR) 、主观语音质量评估( PESQ)和短时客观可懂度(STOI)3个方面评价,相比其他优秀的基于深度学习的语音分离方法,该方法能够更有效地分离目标语音。