计算机安全领域中AIS的应用前景分析

计算机安全问题一直是计算机领域中非常重要的研究课题,近些年随着生命科学与计算机硬件技术的发展,依据自然环境中生物的免疫系统原理产生了人工免疫系统,并在计算机安全领域中得到了认可,本文将对AIS在计算机安全领域中未来可能的发展状况进行分析。     

基于小波分析的RFID信号调制识别

小渡分析提取数字调制信号的调制特征是一种有效的识别方法.本文讨论了在RFID中常用调制制式(2ASK、2FSK、2PSK)的识别问题,研究了小波变换后信噪比增益与载波频率、抽样速率及小波缩放尺度之间的关系,提出了对抽样速率和小波缩放尺度的优化;对高斯白噪声中的通信信号的识别进行了计算机仿真,实验结果表明,用小波分析方法具有较为理想的识别能力.     

基于差分相关的星载AIS信号帧同步

在星载AIS接收机中,船舶信号在传输过程中产生的大范围时延和多普勒频移,给正确解码带来了困难。针对这一问题,基于AIS帧结构特点,提出一种差分相关帧同步算法。算法中将AIS帧结构中训练序列、开始标志和结束标志设计为间隔式特征序列作为同步码,通过差分相关函数来实现帧同步。仿真实验结果表明,该算法有较好的抗频偏特性,且在低信噪比下,性能要优于差分卷积法。     

识别“智慧地球”中的新信号

洞察力不是用来对付物的，也不是用来对付货币的．而是用来发现这个世界与自己的关系——用互联网把智慧联通起来．不仅人人通灵，而且人天通灵。     

通信信号识别分类与识别概率探讨

本文讨论了一种通信信号的自动识别分类方法,采用信号处理和模式识别对信号频域特征和调制类型进行提取分析。并对识别概率进行了详细讨论。测出了12种典型信号的频谱识别图和识别概率。     

灰关联分析与语音/音乐信号识别

将灰关联分析方法应用于语音/音乐信号的分类和识别,并给出了对音频信号进行灰关联分析的方法和步骤。利用语音和音乐信号的短时能量均方根的概率统计特征建立目标的参考数据和比较数据,进行语音和音乐信号的灰关联分析,确定目标识别与分类的判据,并对两类信号进行识别。仿真结果表明灰关联分析方法应用于音频信号分类和识别具有一定的可行性。     

语音信号中的情感识别研究

提出了从语音信号中识别情感特征的方法.从5名说话者中搜集了带有欢快、愤怒、惊奇和悲伤的情感语句共300句.从这些语音资料中提取了10个情感特征.提出了3种基于主元素分析的语音信号中的情感识别方法.使用这些方法获得了基本上接近于人的正常表现的识别效果.     

虚拟式语音信号实时采集与识别平台

提出了基于LabVIEW和MATLAB混合编程的虚拟式语音信号采集、分析与识别平台设计方案;该平台通过PC机声卡完成对语音信号的实时采集和回放,并对语音信号进行时频分析、端点检测和倒谱分析,进而实现语音识别;为提高识别的正确性和灵活性,提出孤立字列举识别算法和词库编码连续语音识别算法;结果表明,两种算法都能有效识别同音字和读音相似的字;其中,词库编码识别算法不仅效率高,还具有一定的纠错能力,更具有应用价值.     

系统无法识别声卡的一般解决方法

此类故障多是因为声卡没有安装好，或声卡不支持即插即用，以及驱动程序太老无法支持新的操作系统引起的。可以通过下面的方法来解决：     

数字调制信号识别的特征参数优化方法

针对数字调制信号识别中特征参数数目多和特征冗余的问题,提出一种数字调制信号识别的特征参数优化方法。首先利用正交实验对常用的20个特征参数进行优化选择,然后利用RI3F神经网络识别9种数字调制信号,最后分别与主分量分析方法((PCA)和核主分量分析方法(KPCA)进行比较。仿真结果表明,该方法在高斯和多径信道下均能够有效地对特征参数进行优化选择,比PCA方法和KPCA方法有更好的优化能力。     

语音识别中小波分析的应用

语音信号是一种时变、非平稳的随机信号。现有语音识别系统的适应性比较差,尤其在高噪声环境下的语音识别非常困难,若将语音识别系统商品化,还有识别速度、拒识问题以及关键词／句检测技术等细节问题需要解决。如何把语言学、生理学、心理学方面的研究成果量化、建模并用于语音识别,还需深入研究。本文介绍了语音识别中小波分析的研究现状及几种常见的技术方法,并且分析探讨了语音识别中小波分析的应用和发展前景。     

面部表情图像的分析与识别

本文通过对若干类面部表情图像的分析，建立了基于部件分解组合的人脸图像模型。根据对部件形状和相对位置的分析，提出了表情的分类树，建立了表情模型的向量表示。根据能量优化原理，利用模板匹配方法提取目标特征，得到人脸表情的表征向量，由模式分类方法实现表情的识别。     

基于MATLAB的语音信号识别及矢量模式匹配

语音识别技术一直受到各国科学家的广泛关注,如今,随着语音识别技术研究的突破,其对计算机发展和社会生活的重要性日益凸现出来.在MATLAB平台上,将语音文件输入,经过时域处理、频域处理、线性预测法提取特征向量,最后进行矢量量化模式匹配.重点是对语音信号进行线性预测分析和矢量量化的模式匹配.     

相关性分析和最大最小蚁群算法用于脉搏信号的情感识别

针对脉搏信号的情感识别问题,提出了一种相关性分析和最大最小蚁群算法相结合的方法,找出了对情感识别模型构建具有较好性能的稳定特征子集。首先将原始特征用序列后向选择(SBS)方法排序,然后利用线性相关系数分析法计算特征间的相关度,并根据排序结果去除部分相关度较大的特征,最后针对筛选后的特征子集用最大最小蚁群算法进行特征选择,并结合Fisher分类器对高兴、惊奇、厌恶、悲伤、愤怒和恐惧6种情感进行分类。实验结果表明,该方法能在原始特征集合中找出更稳定有效的特征子集,从而建立起有效的情感识别模型。     

基于静电信号的人体动作识别

提出一种通过检测人体行为动作产生的静电信号进行人体动作识别的方法.在分析人体荷电特性的基础上,设计静电信号检测系统采集被测人员的5种典型动作（行走、踏步、坐下、拿取物品、挥手）的静电感应信号.对采集的5种动作的静电信号进行特征参量提取和显著性差异分析,优化用于分类的特征参数.基于Weka平台使用3种分类算法（支持向量机、决策树C4.5和随机森林）分别对采集到的250组样本数据通过10折交叉验证进行了分类识别,结果显示随机森林算法的识别效果最好,正确率可达99.6%.研究表明本文提出的单人环境下基于人体静电信号的动作分类识别方法能够有效地对典型人体动作进行识别.     

基于信号识别的台区拓扑监测技术

低压台区处于电力系统的末端,在未来新型电力系统建设中,台区拓扑关系监测是提升精细化管理和供电服务水平的重要环节;由于无法准确获知低压台区现场线路和设备的变化,台区线路拓扑档案往往存在混乱、失管等问题,严重影响线损治理、故障运维等工作开展;为了准确识别和建立台区线路拓扑关系,进行了低压台区结构和拓扑识别原理分析,基于电压和电流信号识别方法,对特征序列信号识别策略进行了研究,并设计关键的硬件模块,提出了一种基于信号识别的台区拓扑监测技术,能够在不影响低压台区运行的情况下、准确地识别台区拓扑关系;经现场应用实验测试,实现了台区运行条件下的拓扑监测,能够在较短时间内准确地识别台区拓扑关系,表明该技术的实用性与有效性,能够满足工程应用的需要。     

基于无线信号的行为识别技术综述

行为识别在普适计算、人机交互等领域有着广阔的应用前景.综述了基于无线信号的行为感知与识别技术.无线行为识别具有超视距、部署简便、无需携带设备等优点.其基本思想是,传播的无线信号在人体处被阻挡、反射或散射,形成特定的传播路径.用户的不同动作使得该路径呈现不同的特点.观察无线信号在传播中的变化,就能辨识出用户的动作.介绍了无线行为识别的基本原理和应用领域,分析了该技术面临的主要挑战以及相关性能指标,并探讨了该领域的开放问题与发展趋势.     

少数民族文字文本分析与识别的研究进展

对于少数民族古籍的保护与传承,国家予以高度重视,并强调了对这些不可再生文化资源透彻数字化的重要性。随着文档图像分析与识别技术的不断进步,对少数民族文字的文本分析与识别研究受到广泛关注,并取得显著成就,成为人工智能应用研究的一个热点领域。然而,由于少数民族文字种类繁多、应用场景多样及数据集的稀缺性等问题,这一研究领域仍面临诸多挑战。本文旨在总结先前的工作,并为未来的研究提供支持,重点讨论了印刷体文本、联机手写、古籍文档及场景文字识别等任务,概述了国内外在少数民族文种识别领域的发展和最新成果。首先阐明了少数民族文字文本分析与识别的重要性及其价值,介绍了特定少数民族文字及其古籍文档的特征。然后,回顾了这一领域的发展历史和现状,分析并总结了传统方法的代表性成果及其应用;详细讨论了研究重点向深度神经网络模型和深度学习方法的全面转移,这一转变使得各文种的识别性能得到了显著提升。最后,基于相关分析,本文指出了在不同文种文档分析与识别中存在的精度和泛化能力等方面的不足,以及与汉文文本分析与识别的差异;面对少数民族文字文本识别领域的主要困难与挑战,展望了未来的研究趋势和技术发展目标。     

USB设备无法识别故障的排除

介绍了USB设备在使用过程中常见的故障现象．并对故障进行分析并提出解决方法。     

OFDM信号的盲识别研究

提出一种新的OFDM信号盲识别算法,利用多载波OFDM信号在时域上的近高斯性,提取信号特征参数Q作为分类特征,该参数不受高斯白噪声的影响,且无须知道先验知识,只需在中频直接对信号进行识别,计算简单、利于实现。仿真实验结果表明,在短波信道中,该算法具有较强的抗多径能力。