一种基于检错音网络的发音错误检测新算法

该文通过将计算机辅助语言学习(Computer Assisted Language Learning, CALL)系统的标准发音网络加入插入和删除路径的方法提出了一种发音错误检测新算法:检错音网络(Error-Detecting Network of Pronunciation, EDNP)错误检测算法。该算法首先对待测语音进行EDNP错误检测,然后通过对检错音网络的二级识别结果使用一级多候选词图进行错误召回的策略,进行错误检测,该算法易于实现并具有平台无关性。实验结果表明:该文提出的EDNP错误检测方法在中国四级考生语音测试库上使删除错误虚警率和漏报率分别达到7.38%和12.25%,插入错误虚警率和漏报率分别达到4.94%和26.17%,且客观评分与专家评分相关度比强制对齐方法的相关度提高了4.29%。     

基于语音识别的英语口语发音校正系统

针对传统英语口语发音校正系统对学生发音错误不能及时校正、反馈等问题，设计一种基于语音识别的英语口语发音校正系统。该系统由口语发音特征提取与校正两部分构成。校正是整个系统核心部分，通过标注结果做灭错计算，识别出错误音频；根据反馈路径、序列方式得出音频对照结果，利用鲁化方式进阶控制对照结果，完成口语发音校正。实验结果表明，所提方法可以将错误发音识别并校正，同时该系统响应时长较短，证实系统性能良好，实现了英语口语发音校正系统的科学化、精准化。     

一种改进的GOP算法在区分性训练的应用

自动发音错误检错中基于最大化F1值的区分性训练方法是最近提出来的一种声学模型训练方法,该方法能够有效增大发音检错系统中的训练和测试数据检错的Fl值。对发音质量评估方法上进行研究,提出一种改进的GOP算法来替代传统的GOP算法,改进GOP算法把传统地GOP算法的先求后验概率再求时间归一化改变成先求时间归一化再求后验概率。根据改进GOP算法给出了使用改进GOP算法最大F1准则的参数更新公式,发音检错实验结果表明基于改进的GOP算法的最大F1值准则训练较使用传统的GOP算法具有过训练抑制性好,在训练机上较低的目标函数值上能达到较高的测试集上的F1值等较好的性能。     

英语发音自动评测中单词删除错误的检测方法

基于HMM后验概率分数的自动发音评测方法中,强制匹配获得语音的音素级切分信息是重要的一步。切分结果是否准确直接影响到后验概率分数的可靠性。通过对单词发音网络增加可跨越分支,实现单删除错误检测功能,可降低说话人删除错误对前后单词切分准确性的影响。实验结果显示,单词删除错误检出率达到87．8％。     

英文发音中错误语音自动识别系统设计

传统的英文发音识别系统对于学习者的错误发音不能及时进行反馈与纠正,存在误导学习者以及学习者英文水平提高缓慢的弊端。在此设计新的英文发音错误语音自动识别系统,其由语音录制模块、语音播放模块、英语发音评分模块和发音共振峰图像显示模块构成,给出评分模块的发音评分流程,实现英文发音的有效评分以及评分的存储,系统通过发音共振峰图形显示模块,清晰地表达出学习者发音与标准发音的不同之处,纠正其错误读音。通过英语音素检错程序使用独立阈值的方式来提高错误读音的检测性能,对不同音素用独立阈值进行衡量,使得英语发音中的错误语音自动识别结果更加科学化、精准化。实验结果表明,所设计的系统具有较高的错误语音自动识别能力。     

基于声韵母基元的嵌入式中文语音合成系统

引入声韵母作为合成系统的基本单元,从根本上提升了音库的可压缩性.采用分类与回归树(CART)结合高层音韵学信息对音库中的声韵母单元进行预分类,并提出了一种改进的ISODATA聚类方法,分别以Mel频标倒谱参数(MFCC)和基频包络作为特征,对分类后的声母和韵母进行聚类压缩.系统中引入发音组块作为声谱平滑单元,从而有效地提高了合成结果的音质.听辩实验及统计分析表明,在音库容量大幅压缩的情况下,该系统的合成结果接近于桌面系统.     

自动发音错误检测中基于最大化F1值准则的区分性特征补偿训练算法

为提高自动发音错误检测性能,提出一种区分性特征补偿训练算法.该方法将高斯后验概率矢量经过线性变换后作为偏移量补偿至传统的谱特征.将经过正确度标注的语音数据库上的发音错误检测F1值的最大化作为变换参数的训练准则.推导了目标函数对变换参数的偏导数公式,并利用无约束参数优化例程L-BFGS更新变换参数.发音错误检测实验表明该方法能够有效增大训练和测试集的F1值.并且训练和测试集的精确度、召回率也都有明显提高.在特征优化的基础上进行模型参数训练,检错性能较单独的区分性特征训练、单独的区分性模型训练都有进一步改进.     

基于模糊粗神经网络的汉语声韵母切分

针对汉语连续语音,提出一种声韵母切分方法.根据扩展的声韵母为识别基元.采用汉语音节的重叠音素分割策略,利用模糊粗神经网络进行声韵母自动切分.实验室实验证明了该方法进行音节分割的有效性和合理性.     

基于卷积模块注意力机制深度学习模型的激光熔覆裂纹识别

为改进传统人工方法对熔覆区域裂纹检测耗时、准确率低的现状,提出了一种融合注意力模型的熔覆区裂纹自动识别方法,以便对裂纹进行标识和检测.基于U-net网络构造的熔覆裂纹语义分割网络存在对局部小特征提取能力不足的问题,而通过增加注意力模型(CBAM)层,提取特征空间和特征通道的权重信息,就可以对激光熔覆区微观裂纹进行实时的像素级标注和检测.实验结果表明:引入注意力模型的深度学习模型可使熔覆裂纹的识别和检测准确率提升2.7个百分点;融合注意力模型的网络在熔覆区域裂纹测试集上的准确率为79.8％.深度学习模型标注的准确度和速度均已超过人工标注,为激光熔覆裂纹的识别提供了有效方法.     

基于原型与主动学习的天波雷达干扰检测方法

本文研究天波雷达基于距离?多普勒（Range?Doppler, RD）图像的干扰检测问题。在干扰检测过程中，错误检测可能是干扰的漏检与虚警问题，为此考虑采用主动学习方法，将算法模型难以判决的样本由专家标注，并将标注样本加入至训练集中以达到提升检测性能的目的。同时，也需要解决训练集样本的冗余问题，为此使用原型数据学习方法，建立有干扰和无干扰样本数据云，有效地降低训练集样本量。实测数据实验表明，原型方法将初始训练集样本数量降低至23.5%，主动学习方法取得的检测准确率为97.42%，而传统监督学习最近邻方法准确率为87.96%。因此，本文方法能够有效提升天波雷达干扰检测能力，为天波雷达是否需要进行干扰处理与换频检测等工作提供可靠依据。     

Identification of articulation error patterns using a novel dependence network

Articulation errors seriously reduce speech intelligibility and the ease of spoken communication. Speech-language pathologists manually identify articulation error patterns based on their clinical experience, which is a time-consuming and expensive process. This study proposes an automatic pronunciation error identification system that uses a novel dependence network (DN) approach. In order to derive a subject's articulatory information, a photo naming task is performed to obtain the subject's speech patterns. Based on clinical knowledge about speech evaluation, a DN scheme was used to model the relationships of a test word, a subject, a speech pattern, and an articulation error pattern. To integrate DN into automatic speech recognition (ASR), a pronunciation confusion network is proposed to model the probability of DN and is then used to guide the search space of the ASR. Further, to increase the accuracy of the ASR, an appropriate threshold based on a histogram of pronunciation errors is selected in order to disregard rare pronunciation errors. Finally, the articulation error patterns were well identified by integrating the likelihoods of the DNs of each phoneme. The results of this study indicate that it is feasible to clinically implement this dynamic network approach to achieve satisfactory performance in articulation evaluation.     

动态频谱接入中基于最小贝叶斯风险的稳健频谱预测

针对频谱感知错误累积造成频谱预测性能恶化问题,该文提出一种基于最小贝叶斯风险的稳健频谱预测策略。分布拟合检验表明频谱预测输出服从正态分布,定义频谱预测输出的贝叶斯风险函数,证明使贝叶斯风险函数最小的频谱预测输出判决门限将使频谱预测的均方误差最小,求得了使贝叶斯风险最小的最优判决门限,构建稳健频谱预测策略。仿真结果表明,与固定判决门限的神经网络频谱预测相比,稳健频谱预测策略改进了频谱感知错误下的频谱预测性能,改善了非授权用户的动态频谱接入性能。     

基于SWA优化级联网络的表情识别方法

为了提高表情识别技术的检测精度,文中提出了一种采用随机权重平均SWA优化级联网络的人脸表情识别方法。与单个卷积网络相比,多网络级联能得到更好的检测精度。相对于传统的SGD训练方法,SWA训练方法能增强级联网络中子网络的泛化能力,进一步提高模型的整体性能。通过在Fer2013数据集上测试实验发现,基于SWA方法训练采用加权求和法方式级联的网络模型识别准确率达到74.478%,相对于传统SGD方法训练的单网络模型提高了1.4%以上。另外,与其他典型方法相比,所提改进模型的识别准确率更高。     

改进型卷积神经网络焊点缺陷识别算法研究

为了同时对多种焊点缺陷类型进行快速识别,解决现有焊接异常图像识别算法误检率与漏检率偏高的问题,设计了基于改进型卷积神经网络的深度学习算法。利用自组织映射分类技术,提高了卷积神经网络的数据选择自适应性,结合自适应矩估计分析, 约束了焊接异常图像中特征集合的收敛条件。实验中将5种常见焊接异常图像以等比例随机分布的形式放入训练集、验证集和测试集中,再分别用传统识别算法(canny算法和k均值算法)和该算法进行测试。结果表明,对于桥连缺陷,3种方法均无误检、无漏检;对于小球缺陷,3种方法均符合要求,而canny算法的检出能力最优;对于偏球缺陷, 3种算法的误检率分别是12.4%, 7.3%和与1.4%,漏检率分别是13.3%, 6.5%和1.1%;对于虚焊和少锡缺陷,该算法相比传统算法精度高约1个数量级。该算法在对多种焊点缺陷类型识别中具有明显优势。     

基于YOLOv3的红外行人小目标检测技术研究

针对红外图像中行人小目标检测识别率低、虚警率高的问题,研究了当下效果最好的YOLOv3目标检测算法,在其基础上进行优化,提出了一种满足实时性要求的行人小目标检测算法。基于YOLOv3中分类准确率仍有不足的情况,借鉴SENet中对特征进行权重重标定的思路,将SE block引入YOLOv3中,提升了网络的特征描述能力。通过对自行收集实际复杂场景下的红外图像进行目标检测,试验验证了算法的可行性,实验结果表明本文提出的改进网络拥有更高的准确率和更低的虚警率,同时保持了原有算法的实时性。     

A novel ensembled technique for anomaly detection

Anomaly detection is a technique that works to detect those instances of data that do not comply with the data model. In this paper the problem of anomaly detection in networked traffic data is considered, and a novel ensembled technique for anomaly detection is proposed. The proposed technique uses a combination of fuzzy K‐means clustering algorithm, extended Kalman filter, and support vector machines to detect the anomalies. In the proposed technique, fuzzy membership functions are used instead of crisp clusters to compute the best set of features by fuzzy k‐means algorithm. These features are then optimized with a nonlinear Bayesian approach known as extended Kalman filter. The resultant optimized set of features is then provided as an input to the support vector machine classifier that detects the network anomalies. The proposed technique is validated by using 2 benchmark datasets, ie, DARPA 1998 and KDD CUP 1999. Experimental results indicate that the proposed technique performs quite well as compared to its traditional counterparts in accuracy, detection rate, false positive rate, and F‐score.     

高速铁路场景下环境反向散射辅助的无线传输方案

将反向散射技术引入到高铁场景的无线通信系统中,提出一种反向散射辅助无线传输方案（Backscatter Aided Wireless Transmission,BAWT）,并针对BAWT和传统无线传输方案（Direct Wireless Transmission,DWT）进行了收发信机设计,包括信道估计以及信号检测。与传统无线传输方案相比,证明了在固定的火车天线和不变的轨道情况下,BAWT可以获得信道统计信息为信道估计提供助力。通过仿真对比两种方案的信道估计均方误差,BAWT方案相较DWT方案的信道估计准确性明显提高;对比BAWT、传统中继技术以及DWT方案,当信噪比为20 dB时,对应的BAWT方案和中继技术、DWT方案的误码率分别为1%和2%和12%,BAWT方案误码检测性能获得明显提升。此外,针对广域环境下的环境反向散射通信,推导了高铁场景下使用蜂窝移动通信信号作为RF信源的无线链路预算,反向散射信号在车厢内的覆盖范围内可以满足接收机的灵敏度要求,从链路预算角度论证了BAWT方案实现的可行性。     

基于主动标记支持向量机和太赫兹光谱的转基因物质检测方法研究

为克服传统支持向量机需要事先对训练样本进行 人为标记的缺点,提出了一种主动训练 支持向量机模型。利用仿射传播聚类算法对未标记样本进行聚类分析,在迭代过程中 不断更新现 有支持向量机的训练数据,从而不仅可以减少人为标记样本所带来的误差,还能够最大限度 地提高模型的识 别准确率。本文以转基因棉花的太赫兹光谱数据为研究对象对该模型进行了验证,实验结果 表明,本文 提出的方法对总待测样品的种类的识别率为95.56%,较其他三种方法 有较少的误判和更高的识别率。 基于仿射传播聚类的支持向量机较传统支持向量机有更高的识别率和更低的误判率,为转基 因物质的检测提供了一种快速,无损的新方法。