金坛盐穴地下储气库地表沉降预测研究

金坛盐穴地下储气库作为西气东输的重要配套工程,其主要功能是为西气东输管道的季节调峰和安全稳定运行提供用气,确保长江三角洲地区的天然气用气安全。地表沉降的准确预测是其保证储气库建设和生产运行安全的一种重要手段。先应用盐岩水溶开采沉降新概率积分三维预测模型,基于开采沉降的分层传递原理,对盐穴20a变形收缩引起的地表沉降及盐穴报废垮塌可能引起的地表沉降进行预测。然后应用地表沉降动态预测模型计算出金坛盐穴地下储气库地表沉降的时间影响因素,获得地表任意点任意时刻的沉降预测值。对比分析表明预测值与实测值十分接近,证实传递预测模型较传统预测方法具有更高的预测精度。     

元学习框架下基于圆损失度量的行人重识别模型

提出一种元学习框架下基于圆损失度量的行人重识别模型,以元学习的方式对行人重识别问题进行建模,同时使用改进的圆损失进行度量学习,改善样本之间距离的 自适应优化效果.首先,构建基于元度量学习的模型学习过程,按照逐个子任务的学习方式,在子任务中划分查询样本和支持集样本,将样本映射到向量空间.其次,在向量空间中计算查询样本与支...     

基于循环神经网络语言模型的N-best重打分算法

循环神经网络语言模型能够克服统计语言模型中存在的数据稀疏问题,同时具有更强的长距离约束能力,是一种重要的语言模型建模方法。但在语音解码时,由于该模型使词图的扩展次数过多,造成搜索空间过大而难以使用。本文提出了一种基于循环神经网络语言模型的N-best重打分算法,利用N-best引入循环神经网络语言模型概率得分,对识别结果进行重排序,并引入缓存模型对解码过程进行优化,得到最优的识别结果。实验结果表明,本文方法能够有效降低语音识别系统的词错误率。     

K波段卫星通信系统的抗衰落对策

本文概述了Ｋ波段卫星通信系统发展的优越性和巨大潜力。简单介绍了该波段卫星通信系统的衰落影响因素，提出了三各抗衰落对策，位置分集、自适应资源共享技术、自适应调制技术，并加以重点讨论。同时也分析了各种抗衰落技术的优势及存在问题。     

利用FPGA实现数字信号处理

本文以ＦＦＴ、ＦＩＲ滤波器、自适应信号处理和可再配置计算为例,讨论了现场可编程门陈阵（ＦＰＧＡ）器件的ＤＳＰ典型应用。在具体应用过程中会存在的一些实际问题,如有效字长影响、并行与串行结构的选择和ＦＰＧＡ内部结构对设计的影响等,本文也对此进行了分析。     

结合全局词向量特征的循环神经网络语言模型

 针对循环神经网络语言模型对长距离历史信息学习能力不足的问题,本文提出了结合全局词向量特征的循环神经网络语言模型。首先利用GloVe(Global Word Vectors)算法训练出全局词向量,然后将其作为特征向量输入到引入特征层的循环神经网络中进行训练。相对于局部词向量方法,全局词向量能够利用全局统计信息来训练出含有更加丰富的语义和句法信息词向量。为了验证新方法的性能,本文在Penn Treebank和Wall Street Journal语料库上分别进行困惑度和连续语音识别实验。实验结果表明结合全局词向量的循环神经网络语言模型的困惑度相比传统的循环神经网络语言模型降低了202%,同时语音识别系统的词错误率降低了183%。      

说话人确认中分数归一化的一种新方法

在说话人确认中，由于目标说话人和冒认者的得分分布是双峰分布，并且不同目标说话人模型得分分布不一致，使对所有说话人确定一个统一的阈值变得困难，导致系统性能下降。分数归一化通过调整冒认者的得分分布来调整阈值。简要介绍了目前最常用的两种归一化方法：零归一化（Z-Norm）和测试归一化(T-Norm)。重点引入了一种新的根据KL距离的D-Norm 归一化方法。然后结合Z-Norm 和D-Norm的优点，又提出一种新的方法ZD-Norm。对这四种归一化方法的性能进行了比较。实验表明，ZD-Norm相对Z-Norm和D-Norm，能够更有效地提高说话人确认系统的性能。     

基于离散余弦变换的音频信息隐藏算法

研究了一种将保密语音隐藏在公开的音频载体中的信息隐藏算法.在对保密语音进行改进型多带激励(IMBE)编码,进行纠错编码后形成秘密信息的基础上,对音频载体进行离散余弦变换,通过修改相邻频段的能量而嵌入秘密信息.提取时按同样的方法确定相邻频段的能量值以盲恢复秘密信息,并经IMBE解码还原保密语音.仿真实验结果表明,该算法对音频压缩,加噪等攻击具有较高的鲁棒性.     

基于深度可分离卷积的轻量级图像超分辨率重建

图像超分辨率重建旨在依据低分辨率图像重建出接近真实的高分辨率图像,现有基于卷积神经网络的图像超分辨率重建方法存在网络参数量大、重建速度慢等问题,从而限制其在内存资源小的终端设备上的应用。提出一种基于深度可分离卷积的轻量级图像超分辨率重建网络,利用深度可分离卷积提取图像的特征信息,减少网络的参数量,采用对比度感知通道注意力机制获取图像的对比度信息,并将其作为全局信息,同时对提取特征的不同通道权重进行重新分配,增强重建图像的细节纹理信息。在此基础上,采用亚像素卷积对图像特征进行上采样操作,提高整体重建图像质量。实验结果表明,当放大倍数为2、3和4时,该网络的参数量分别为140 000、147 000和152 000,重建时间为0.020 s、0.014 s和0.011 s,相比VDSR、RFDN、IDN等网络,在保证重建效果的前提下能够有效减少网络参数量。     

基于词向量特征的循环神经网络语言模型?

循环神经网络语言模型能解决传统N-gram模型中存在的数据稀疏和维数灾难问题,但仍缺乏对长距离信息的描述能力。为此文中提出一种基于词向量特征的循环神经网络语言模型改进方法。该方法在输入层中增加特征层,改进模型结构。在模型训练时,通过特征层加入上下文词向量,增强网络对长距离信息约束的学习能力。实验表明,文中方法能有效提高语言模型的性能。