一种语音／数据同帧传输新方法

本文提出了一种语音/数据同帧传输新方法。该方法对语音进行压缩处理,连续存放,收集无声期用于传输数据,与传统的语音/数据同帧传输方法相比,能明显提高信道资源利用率。网络实验表明,语音质量良好。     

引入内容特性分析的包层语音质量评价模型

为了实现对网络语音质量的实时监控,提出一种包层语音质量评价模型.该模型无需介入数据包的载荷部分,只利用数据包的头信息评价语音质量.首先通过分析包头信息区分出语音段和静音段,获取语音段的编码参数和丢包参数,然后根据语音段的编码参数预测编码失真,在此基础上利用语音段的丢包参数评价丢包引起的失真,从而得到语音流的总质量.实验结果表明,相比于国际标准G.107中的E-model,提出的模型得到的语音质量评分与PESQ算法评分的皮尔森相关系数平均提高0.041 2,均方根误差平均降低0.045 1.     

噪声环境下智能机器人语音控制特征提取方法

针对机器人的应用场合通常存在各种噪声干扰的问题,提出了一种基于稀疏编码的语音特征提取方法.利用稀疏编码能稀疏表示语音的特性,在梅尔频域对语音增强后提取特征,将稀疏去噪与语音特征提取相融合,实现了混噪语音的有效补偿.在预设场景中的实验结果表明,与现有特征提取方法相比,所提出的语音特征提取方法能有效降低噪声对语音特征的影响,提高机器人语音控制的性能.     

一种应用于局域网的语音通信系统

为了解决目前局域网内语音实时通信和推进低速率语音编码技术的实际应用,基于低速率语音编解码算法和网络传输技术设计了一个能够应用于局域网的语音实时通信系统．该系统包括语音采集、压缩编码、网络传输和后处理等主要模块,在语音编码技术和网络传输技术的基础上结合计算机多媒体技术给出了各个模块的软件实现方法．计算机仿真结果表明,系统在局域网中传输稳定,通信可靠,能够完成语音实时通信有着潜在的应用价值．     

语音信号低速率传输方法研究

首先阐述了语音信号低速率传输的迫切性及其数字传输的编码潜力，然后基于语音信号的低速率传输要求，提出了几种节约资源的传达室输办法。     

新型的神经网络线性预测语音编码算法

提出一种新型的神经网络线性预测编码算法.针对目前自相关法存在着预测系数解误差以及协方差法存在解不稳定的缺点,算法利用最小均方准则思想显著提高了短时平均误差精度.通过窄带信道将低速率语音编码远距离传输是多媒体语音技术中的重要研究内容,采用语音信号压缩处理是解决低速率传输的有效方法之一,而线性预测编码(LPC)技术是语音压缩参数编码技术的重要内容.从线性预测编码技术入手分析和研究LPC编码技术的原理,阐述了利用最小均方准则思想来提高短时平均误差精度的方法,并介绍了预测系数的自相关求法.最后通过语音合成实验验证了该新型算法既提高了系数解的精度,又保证了系统的稳定性.在该算法下预测系数的均方误差比传统的自相关法误差减小20%以上,而且当原始信号频率较高时语音合成的效果更明显,将更加精确地复现原始语音信号.     

CVSD语音编解码的DSP实现

连续斜率可变增量调制(CVSD)语音编码简单且具有良好的抗信道误码能力,擅长处理丢失和被损坏的语音采样,较其他编码方法语音效果更清晰,可靠性更高,降低带宽的同时保证了语音质量.利用DSP芯片研制开发基于语音压缩编码技术的语音产品已经成为一大研究热点.选用TMS320VC5509芯片作为硬件平台,用C语言实现了CVSD语音编解码,能较好实时实现语音编解码.     

基于压缩感知的语音信号编码算法

针对语音信号在离散余弦变换基上的稀疏性,提出了一种基于压缩感知的语音压缩编码算法。算法在编码端采用随机高斯矩阵直接对语音波形进行观测,并采样均匀量化技术对随机观测进行量化。解码端利用未饱和的观测值通过Lasso算法实现语音信号的重构。仿真结果表明,该算法具有良好的重构性能。     

基于线性预测的自适应语音压缩感知

该文介绍了压缩感知在语音信号处理中的应用,利用语音信号经过线性预测分析,其残差信号近似认为是稀疏的特性,因此语音信号的稀疏变换基可由线性预测系数构成.同时根据语音帧之间的相关性,该文提出了自适应LP基.实验结果表明该文构造的自适应LP基与非自适应LP基相比,减少了传输量,同时保持重构性能基本一致,且优于DCT基.     

全速率语音编码系统

随着通信网络用户数量的增加、网络业务综合化、多样化，网络带宽与系统容量、服务质量的矛盾日益突出，传统的64kbit/s的PCM语音压缩编码已不能满足不断变得拥挤的传输信道要求。在这种情况下，语音压缩编码技术得到飞速发展，相继出现了多种语音压缩编码的国际标准，可以用于通信、网络、多媒体等广泛领域。针对全速率语音编码系统的原理和算法进行了详细的介绍，对全速率语音编码系统进行了仿真，并对仿真结果进行了分析。     

管道漏磁检测实时数据压缩

针对长距铁磁性油气管道在线缺陷检测所产生的庞大数据量问题,提出一种管道漏磁检测实时数据压缩算法.在实时压缩和提升小波编码的基础上,设计了一种基于双缓冲区模型的实时数据采集、压缩、存储系统.通过分析管道漏磁数据的特点,提出一种以整数提升小波变换、结合自适应算术编码为核心的无损压缩算法,无损压缩比可达9.166∶1.实验结果表明,该算法在基于PC104总线采集卡的硬件模拟实验环境下具有一定的可行性,并能满足实际系统采集速度、存储速度以及压缩比的要求.     

一种增量式学习的语音字典构造方法

爆炸式增长的语音数据为存储与传输带来极大困难,现有方法难以实时应对海量语音频域数据.因此本文提出一种增量式学习的语音字典构造方法,该方法先将语音时域信号经短时傅里叶变换处理后转换为各窗频谱幅值,再将高维空间向量投影到低维空间,并以字典中的少数基向量线性拟合当前窗向量.进而通过存储基向量的标识和拟合系数完成对当前窗向量的存储,把无法拟合的窗向量经处理后加入字典,实现增量式学习.解压过程依据用户请求将字典中指定条目经线性拟合实现.实验结果表明,本方法能大幅度压缩语音频谱包络,适用于受带宽限制下实时高采样率的流式语音数据,与同类算法相比,在保证还原质量的情况下,能对信号的存储空间以及传输带宽进行大幅度的压缩.     

气水孔隙混合流体的压缩性

为了得到适用于高饱和度土固结分析的孔隙混合流体的压缩性计算公式,采用孔隙水压力来表示混合流体的压缩系数.推导过程中,不考虑气泡在水中的溶解,按Laplace公式建立气泡压强与水压的关系.分析了单个气泡对压缩性的影响,并进行了一维固结压缩试验,对混合流体的压缩系数公式进行了验证.结果表明：饱和度、水压和孔隙气的分散度是影响孔隙流体压缩性的3个主要因素;饱和度越小,气泡半径越大,混合流体的压缩性越大;若初始饱和度相同,当水压达到较大值时,气泡初始半径大小对压缩系数影响很小.将试验数值与其他研究者的计算结果进行对比,证明了所推导的理论公式能较好地分析预测孔隙混合流体的压缩系数.     

变风量空调系统的模糊神经网络预测控制

针对变风量中央空调系统具有多变量、大滞后和非线性的系统特性及常规控制算法系统响应慢、控制精度不高等问题,提出了模糊神经网络预测控制策略.该方法将模糊神经网络控制与预测控制技术相结合,建立了模糊神经网络与预测控制结合的复合控制器模型,通过优化变风量控制方式,有效地实现了中央空调系统的预测控制.结果表明,该控制方法能使系统具有良好的动态性能和稳态性能,控制精度高,节能效果显著,具有广泛的应用前景.     

基于最大生存周期的无线传感器网络数据融合

针对无线传感器网络节点能量有限并且在进行信息传输时存在数据冲突、传输延时等问题,提出并设计了基于最大生存周期的无线传感器网络数据融合算法.该算法将均匀分布或非均匀的整个网络中的节点分成多个簇,并根据节点的位置、分布密度和剩余能量等信息选择传输数据的方式,从而形成传输数据的最短路径.根据集中式TDMA（时分多址）调度模型并运用基于微粒群的Pareto优化方法,使得网络在完成规定的信息传输时每个节点耗费的平均时隙和平均能耗最优.仿真结果表明,该算法不但可以最大化网络的生存时间,还可以有效地降低数据融合时间,减少网络延时.     

基于小波包能量熵的低压串联故障电弧诊断

为了实现低压串联故障电弧的有效诊断,基于ULI699标准搭建了交流电压为220V、频率为50Hz的串联故障电弧实验平台,并对不同负载回路正常工作电流以及串联故障电弧电流进行数据采集,提出基于小波包能量熵的低压串联故障电弧诊断方法.通过对电流信号进行4层小波包分解,提取小波包能量熵作为特征向量描述故障电弧电流信号在不同频段的能量分布.采用主元分析（PCA）法提取特征向量的主元作为BP神经网络的输入,实现样本最优压缩以简化神经网络结构.仿真结果表明,该方法故障诊断准确率较高,能够有效地识别串联故障电弧.     

一种适于实时语音纠错编码的LDPC码

设计了一种适于对声码器输出码流进行前向纠错编码的半规则化低密度奇偶校验码（LD-PC码）。该低密度奇偶校验码具有编、译码简单,存储量少,易于硬件实现等特点。同时对汉明码、卷积码、低密度奇偶校验码在AWGN信道下的传输性能进行了仿真比较。结果表明,长度适合的LDPC码误码性能超过汉明码、卷积码。     

交通拥堵下基于实时交通信息的路径选择模型

针对路段行程时间的估算在交通路径诱导系统中的应用,提出了一种在交通拥堵下基于实时交通信息的路径选择模型.根据目前城市交通的状况,以城市交通系统的基本设施为基础,分析了影响路段行程时间的各种因素和路段行程时间的组成.利用设置在路段上的车辆自动检测装置来搜集实时交通信息,通过行程时间的计算、动态算法的构造和路网模型的建立来对交通路径进行动态规划.实验结果表明,该模型解决了实际交通系统中的时间最短路径问题,具有一定的实用价值.     

直线电梯单电磁导向装置悬浮气隙高度控制

针对单电磁导向系统参数变化及外部扰动对悬浮气隙高度产生的影响,提出了RBF神经网络自适应滑模控制方法.采用RBF神经网络并利用其学习功能,对直线电梯单电磁悬装置不确定参数进行自适应补偿,取代了常规滑模控制切换部分,并且消除了系统高频抖振现象.通过比例微分并行控制提高了RBF神经网络参数的收敛性,改善了局部极小现象的发生,增强了系统的鲁棒性,并采用Lyapunov稳定性理论证明了系统的稳定性.Matlab仿真显示该方法具有良好的跟踪性和鲁棒性.