MATLAB与VC＋＋混合编程在系统辨识中的应用

通过讨论MATLAB与VC＋＋之间的接口方案,介绍了VC＋＋调用MATLAB编译器产生的库函数的方法,以系统辨识为例,通过对经典递推最小二乘法的分析,对仿真算法进行了混合编程。通过这种方法集成了MATLAB优秀的计算能力和VC＋＋出色的图形界面设计能力。     

Fortran与VC++混合编程研究及其应用

论述了Visual C＋＋和Fortran混合编程技术，重点介绍了动态连接库方法。阐明了如何用Compaq Visual Fortran6．5生成动态连接库，Visual C＋＋6．0如何调用所生成的动态连接库的方法。探讨了Visual C＋＋6．0如何与Fortran在调用约定、命名约定、参数传递上保持一致，将Fortran程序改造成DLL动态连接库的方法和在VisualC＋＋中动态装载DLL动态连接库的算法。通过Fortran和Visual C＋＋的混合编程，研制了飞机质量分布特性计算软件的WIINDOWS版本。利用大量已有成熟的FORTRAN程序，避免了重复编程和资源浪费，节省了大量编程时间，在工程与科学研究中有很大的应用价值。     

进化推理算法在应急决策中的研究与应用

在（μ＋λ＋k）-ES单基因变异方式的基础上,提出多基因变异方式的概念,建立基于（μ＋λ＋k）-ES和混合（μ＋λ）--ES的双基因变异混合进化策略算法。并将改进后的算法应用于消防应急决策领域中求最优解,实验结果表明,大致可以实现系统规则的实时性、决策推理的正确性、解决方案的合理性。利用进化算法辅助应急决策过程是可行的、有价值的。     

对称矩阵三对角化的混合并行算法设计

基于Householder转换,给出了稠密对称矩阵三对角化的MPI＋OpenMP混合并行算法。内容集中在SMP集群系统环境下算法的负载平衡、通信开销和性能评价。OpenMP共享内存并行采用了粗粒度方法,解决了MPI算法中的负载平衡问题,降低了通信开销。在深腾6800上的试验结果表明,MPI＋OpenMP版本比纯MPI版本具有更好的性能和可扩展性。     

基于VC++和FORTRAN混合编程的优化系统设计

用VC＋＋和FORTRAN语言混合编程的方法进行优化系统的设计,不但可以方便地进行优化算法的设计和友好的人机界面设计,还能够实现并行地进行软件系统的开发,可以有效地缩短程序设计时间.对外壳函数调用FORTRAN生成的可执行文件时系统出现的异步执行问题和“黑屏”问题提出了解决办法,最后给出了优化系统的设计实例,验证了该方法的可行性和有效性.     

利用MLC++实现数据挖掘

数据挖掘是从大量原始数据中抽取隐藏知识的过程。大部分数据挖掘工具采用规则发现和决策树分类技术来发现数据模式和规则,其核心是归纳算法。与传统统计方法相比,基于机器学习技术得到的分类结果具有较好的可解释性。在针对特定的数据集进行数据挖掘时,如果缺乏相应的领域知识,用户或决策者就很难确定选择何种归纳算法。因此,需要尝试各种算法。借助MLC＋＋,决策者能够轻而易举地比较不同分类算法对特定数据集的有效性,从而选择合适的分类算法。同时,系统开发人员也可以利用MLC＋＋设计各种混合算法。     

恒电量腐蚀测量数据解析系统的设计与实现

介绍了一种新的恒电量腐蚀测量系统，并重点阐述了数据分析系统的设计及实现方法；该系统在原有CS-2恒电量仪的基础上进行了改进和性能扩展；采用Visual C＋＋和Maflab混合编程开发数据分析系统，这样既可以充分利用Maflab强大的库函数资源，又可以灵活地开发和组合数据处理的软件模块及其界面；结果表明，通过设定限制条件，大幅度降低了非线性最小二乘拟合算法迭代次数，曲线拟合速度更快，更容易收敛，因此，大大增强了多个时间常数腐蚀体系恒电量数据的分析能力，从而扩展了恒电量测量的实际运用范围。     

Visual C++与Matlab接口方法的实现

本文首先论述了Visual C＋＋和Matlab混合编程的重要性和优点，介绍了在Visual C＋＋中利用Matlab引擎调用Matlab函数的方法．和在Matlab中调用Visual C＋＋代码的方法，并以具体实例详细说明了如何实现Visual C＋＋与Madab混合编程，为软件开发提供了强有力的技术支持。     

基于VC＋＋与MATLAB的故障树分析系统

故障树分析法是一种有效的可靠性分析方法,尤其在处理大型复杂系统时。对大型系统的分析常需借助计算机辅助来实现,而现有故障树分析软件在处理大型系统时在运算速度方面存在不足。利用VC＋＋与MATLAB软件的各自编程优势,提出利用VC＋＋与MATLAB混合编程技术研发故障树分析软件以提高运算速度,重点探讨了在MATLAB环境下故障树的定性、定量分析的算法及实现。并就立式剪切机送料系统中存在的送料不到位事故这一实例进行分析,求出了全部17个最小割集,证明该方法可行。     

基于进化粒子滤波器的混合系统故障诊断

在混合系统中，需要同时估计系统的混合状态和系统参数．针对存在这类故障的混合系统的混合状态和参数估计问题提出一种解决方案，对混合系统使用混合自动机建模，并使用粒子滤波算法对其混合状态进行估计，对可能发生变化(故障)的参数使用进化粒子滤波算法进行估计，从而实现了混合系统的故障诊断．将这二者结合起来构成混合系统故障诊断的应用框架，实现了混合系统的混合状态和系统参数的在线估计．仿真结果表明所提出的应用框架和方法是可行的．     

基于短时平均能量和短时过零率的藏语语音端点检测研究

语音端点检测是语音处理分析过程中的重要环节之一,该文介绍了语音端点检测的两个传统算法即短时平均能量和短时过零率,并将这两种算法结合起来进行藏语语音进行端点检测。运用Matlab编程和仿真验证了双门限判断法在藏语语音端点检测中的准确性。这种方法降低了藏语语音处理的时间、提高了处理的质量、可用来进行一些藏语语音识别的特征参数的提取。     

Reasons why current speech-enhancement algorithms do not improve speech intelligibility and suggested solutions

Existing speech enhancement algorithms can improve speech quality but not speech intelligibility, and the reasons for that are unclear. In the present paper, we present a theoretical framework that can be used to analyze potential factors that can influence the intelligibility of processed speech. More specifically, this framework focuses on the fine-grain analysis of the distortions introduced by speech enhancement algorithms. It is hypothesized that if these distortions are properly controlled, then large gains in intelligibility can be achieved. To test this hypothesis, intelligibility tests are conducted with human listeners in which we present processed speech with controlled speech distortions. The aim of these tests is to assess the perceptual effect of the various distortions that can be introduced by speech enhancement algorithms on speech intelligibility. Results with three different enhancement algorithms indicated that certain distortions are more detrimental to speech intelligibility degradation than others. When these distortions were properly controlled, however, large gains in intelligibility were obtained by human listeners, even by spectral-subtractive algorithms which are known to degrade speech quality and intelligibility.     

Approaches to Iterative Speech Feature Enhancement and Recognition

In automatic speech recognition, hidden Markov models (HMMs) are commonly used for speech decoding, while switching linear dynamic models (SLDMs) can be employed for a preceding model-based speech feature enhancement. In this paper, these model types are combined in order to obtain a novel iterative speech feature enhancement and recognition architecture. It is shown that speech feature enhancement with SLDMs can be improved by feeding back information from the HMM to the enhancement stage. Two different feedback structures are derived. In the first, the posteriors of the HMM states are used to control the model probabilities of the SLDMs, while in the second they are employed to directly influence the estimate of the speech feature distribution. Both approaches lead to improvements in recognition accuracy both on the AURORA2 and AURORA4 databases compared to non-iterative speech feature enhancement with SLDMs. It is also shown that a combination with uncertainty decoding further enhances performance.      

Efficient data selection for speech recognition based on prior confidence estimation using speech and monophone models

This paper proposes an efficient speech data selection technique that can identify those data that will be well recognized. Conventional confidence measure techniques can also identify well-recognized speech data. However, those techniques require a lot of computation time for speech recognition processing to estimate confidence scores. Speech data with low confidence should not go through the time-consuming recognition process since they will yield erroneous spoken documents that will eventually be rejected. The proposed technique can select the speech data that will be acceptable for speech recognition applications. It rapidly selects speech data with high prior confidence based on acoustic likelihood values and using only speech and monophone models. Experiments show that the proposed confidence estimation technique is over 50 times faster than the conventional posterior confidence measure while providing equivalent data selection performance for speech recognition and spoken document retrieval.     

语音识别准确率与检索性能的关联性研究

对海量语音进行基于内容的检索需要语音识别技术和检索技术的结合。本文通过调节语言模型的途径研究在不同识别率的语音识别文本上进行关键词检索的差异,由此研究语音识别性能和检索性能之间的关联性。通过对114小时语音数据的实验表明:语音识别性能与检索性能有一定的相关性,同时也说明改进检索的方法可以消除一部分由于语音识别所带来的误差。研究结果为进一步针对性地改进识别引擎、语音识别输出的表示和相应的快速检索方法提供了基础。     

基于文音相似度的语音查询系统的设计与开发

随着语音识别研究的深入,提高通用识别引擎的精度变得越来越困难。但对具体的语音识别任务,结合相应的背景,采取相应的措施,有可能达到很理想的识别精度。在已知语音输入为某有限集元素之一的情形,利用文本在发音上的相似度可以大大提高识别的精度。本文首先介绍了文音相似度的概念,然后给出了利用文音相似度设计开发语音查询系统的过程和例子。     

校园网语音浏览系统的设计与开发

语音识别的精度不够高始终是限制其广泛应用的瓶颈。针对具体应用中关键词汇和短语有限的特点,提出了音节相似度的概念,通过计算语音识别结果与应用域关键短语集合的音节相似度,找出最匹配结果,可有效提高语音识别应用的成功率。提出音节相似度的概念,给出利用音节相似度设计开发校园网语音浏览系统的过程。     

基于EMG信号的无声语音识别应用及实现

提出了基于肌电信号（EMG）的无声语音识别系统。由于该系统是通过EMG信号而非声音信号进行识别,因此可应用于高噪声环境和帮助失去发音能力的人实现无声交流,有着良好的应用前景。关于该系统的实现,提出了以下方法：实验时使用0—9十个中文数字,由受试者不发声地重复说出,从三块面部肌肉采集EMG信号;对EMG信号进行小波变换,获取变换系数矩阵后提取其能量值,构造特征矢量送入BP神经网络分类器分类。实验表明,基于小波变换的特征提取方法是一种有效的方法．适用于类似EMC信号的非平稳生理信号。     

语音识别中DTW改进算法的研究

动态时间规整DTW是语音识别中的一种经典算法。对此算法提出了一种改进的端点检测算法,特征提取采用了Mel频率倒谱系数MFCC,并采用计算量相对较小的改进的动态时间规整算法实现语音参数模板匹配,能够实现孤立词、特定人、小词汇量的语音识别,并用Matlab进行了算法仿真。试验结果表明,改进后的算法能够有效地提高系统对语音的识别率。     

语音清浊音分类及浊音谐波提取算法--三阶累积量基于正弦语音模型的应用

在低信噪比和非平稳噪声干扰下,语音信号的清浊音检测是语音信号处理中的一个重要研究问题。论文基于语音正弦模型,提出了一种清浊音分类和浊音谐波提取算法。该方法在分析了语音的三阶累积量谱后,用子谐波-谐波方法取得基音,并计算出谐波参数和高低频能量比值。它利用谱包络估计器得到谱包络及尖峰信号,结合最小均方估计准则下的迭代算法计算语音谐波的信噪比;通过对上面各计算结果的综合评价得出语音帧的浊音度,从而得到语音清浊音的分类和浊音谐波数。仿真结果表明,该算法在复杂噪声背景下,能有效进行语音分类,准确得到浊音度。同时该算法还具有实时性好、语音参数分析精度高的特点。