考虑帧间信息的语音带宽扩展

语音带宽扩展是为了提高语音质量,利用语音低频和高频之间的相关性重构语音高频的一种技术。高斯混合模型法是语音带宽技术中被广泛应用的一种方法,但是,该方法的映射函数是分段线性函数,且没有考虑语音前后帧的相关信息。因此,提出了一种基于条件受限玻尔兹曼机的方法。该方法利用条件受限玻尔兹曼机提取了语音信号的帧间信息,同时将语音低频、高频特征参数映射为高阶统计特性,深层发掘和模拟了语音低频和高频之间的非线性关系。客观和主观对比测试结果都表明,该方法性能优于传统的高斯混合模型方法。     

面向语音增强的约束序贯高斯混合模型噪声功率谱估计

提出了一种基于极大似然的噪声对数功率谱估计方法,采用高斯混合模型对每一个频带上的功率谱包络构建统计模型,将时序包络划分为语音和非语音类,它们分别对应于高斯混合模型的两个高斯分量,描述语音和非语音的统计分布,其中非语音高斯分量的均值即为噪声功率谱的最优估计.采用序贯学习的方法,在极大似然准则下逐帧更新模型参数,并逐帧给出噪声功率谱的最优估计值。此外,由于序贯更新过程中语音信号长时缺失,容易导致模型失稳,提出了一种在线的最小描述长度准则(MDL)来判断语音信号是否长时缺失,从而保证了模型的稳定性.实验表明,算法性能整体优于经典的MS和IMCRA算法。     

混合高斯模型与三帧差分法相结合的建模新算法

针对三帧差分法所存在的不足,提出一种改进的基于混合高斯模型与三帧差分相结合的建模方法。为每一个背景像素建立多维混合高斯模型,融入三帧差分法实时判定背景区域和运动区域,使之去除三帧差分带来的空洞现象,并且加入可跟随目标移动的外接矩形框,在其内生成高斯模型,从而减少因高斯模型的介入导致计算量过大的问题,节省运算时间,并且达到理想的除噪效果以及排除外界不必要的干扰等。通过实验进行验证分析,实验结果表明:该方法相比三帧差分法具有更好的除噪效果和减少更多的计算量,适用于实时的单目标检测。     

一种改进的高斯混合模型海上红外图像运动目标检测

本文提出一种改进高斯混合模型海上红外图像运动目标检测算法。首先采用帧差法把目标图像的背景和感兴趣区域区分开来。为了保证背景图像准确快速的更新,其次采用高斯混合模型更新背景图像。更新过程中对目标在前后两帧中覆盖区域采用不同的更新率。通过实验结果表明,本文算法在保证图像背景平稳更新的同时,能够准确快速的提取图像中感兴趣目标区域。     

压痕点数及解卷积法对水泥纳米压痕试验的影响

采用K均值法与高斯混合模型对水泥净浆不同压痕点数的纳米压痕数据进行解卷积处理.结果发现:压痕点数对解卷积结果存在影响,100个压痕点数下2种解卷积方法得到的结果均较为离散,但225及以上压痕点数的解卷积结果相似度较好;K均值法虽依赖初值参数的选择,但其对数据的处理结果与高斯混合模型的拟合结果相近,因此可作为高斯混合模型的一种检验方法.     

短时频谱通用背景模型群联合韵律的年龄语音转换

提出一种短时频谱通用背景模型群与韵律参数相结合进行年龄语音转换的方法。谱参数转换方面,同一年龄段各说话者提取语音短时谱系数并建立高斯混合模型,然后依据语音特征相似性对说话者进行聚类,每一类训练一个通用背景模型,最终得到通用背景模型群和一组短时频谱转换函数。谱参数转换之后再对共振峰进一步微调。韵律参数转换方面,基频和语速分别建立单高斯和平均时长率模型来推导转换函数。实验结果显示,提出的方法在ABX和MOS等评价指标上比传统的双线性法有明显的优势,相对单一通用背景模型法的对数似然度变化率提高了4%。这一结果表明提出的方法能够使转换语音具有良好目标倾向性的同时有较好的语音质量,性能较传统方法有明显提升。     

关于两种GPS高程拟合改进模型的探讨

首先就工程上常用的高程拟合模型（如：多项式曲面拟合、加权平均拟合、多面函数拟合）的优缺点和适用区城进行分析，然后采众家所长，提出2种改进的GPS高程拟合模型，即基于多项式曲面拟合的加权平均模型和基于简易地形改正的多项式曲面拟合模型，并根据最小方差分析方法进行模型优选。     

GPS高程拟合模型及优选

首先就工程上常用的高程拟合模型（如：多项式曲面拟合、加权平均拟合、多面函数拟合）的优缺点和适用区域进行分析,然后采众家所长,提出2种改进的GPS高程拟舍模型,即基于多项式曲面拟合的加权平均模型和基于简易地形改正的多项式曲面拟合模型,并根据最小方差分析方法进行模型优选。     

基坑围护结构深层水平累计位移多项式回归预测

对基坑深层水平位移最大处的累计位移进行了预测分析,通过三次和二次多项式回归拟合建立了预测模型,并应用模型进行了外推预测。试验结果表明,从建立模型的拟合优度角度看,三次和二次多项式回归拟合都非常好,整体上三次多项式回归拟合优于二次多项式回归拟合;从模型外推预测能力看,在外推预测周期较少的情况下,三次回归拟合和二次回归拟合没有明显区别,在外推周期加大的情况下,二次回归拟合明显优于三次回归拟合。     

基于混合高斯与边缘检测的目标检测算法研究

提出了一种基于混合高斯与边缘检测的目标检测方法,首先将混合高斯模型(Gaussian Mixture Model)的参数进行改进,并结合形态学等运算提取初步运动目标;其次将双边滤波与Sobel锐化检测算子结合对图像处理得到另一个目标;然后将两目标相减,并对相减的结果进行中值滤波,以及形态学和标记去除连通域等运算;最后与三帧差分结果逻辑"或"运算,得到最终目标。实验结果表明,该算法能够很好地去除阴影,且不易受环境变化的影响。