基于加权VQ的说话人识别中权值产生方法的研究

文中研究了在基于矢量量化的话人识别方法中采用加权的失真测度对识别率的影响.在采用加权欧氏距离失真测度时,分别对采用传统的标准差来描述的类内聚合程度,引入标量量化的失真测度来描述类间离散程度,并产生相应的权值对参数通道进行预加重来进行识别,通过试验,通过实验验证了基于标准差(SD-WDMVQ),基于标量量化的(SQQ-WDMIQ)和综合考虑类内类间距离的(WDMVQ)可以得到更高的识别率.     

基于神经网络的洪水水位预测算法

鉴于洪水变化难以预料,及其给社会和人民群众带来的危害,提出一种新的洪水水位变化的预测算法.利用神经网络能以任意精度逼近非线性函数的特点,采用神经网络的有监督式学习,并将预测误差作为反馈来调整水位预测网络中的权值分布,以达到学习的目的.通过程序编程对此算法进行调试,得到了较理想的预测效果.     

外测数据融合准则及最优权值计算方法

航天发射对火箭飞行弹道数据处理的精度要求日益增高，对参与外测融合解算的雷达信息可靠性也提出了较高的要求。为解决航天发射时异常测量数据参与外测融合求解可能会导致火箭弹道精度降低的问题，提出了外测数据融合准则和短时多测元快速遴选方法，可有效识别、剔除异常测量数据，确保同目标高精度测元参与融合解算；并针对不同体制、不等精度的测量数据设计了一种最优权值快速计算方法，该方法综合考虑了测控设备的实际测量精度及布站几何对弹道精度的影响，确保在设定步长内融合权值最优。仿真结果证明该算法简单适用，可确保关键节点测控信息源的准确度，有效提高了发射场火箭弹道参数的处理精度。     

基于IA-BP神经网络的UWB室内定位系统

复杂的室内环境给定位系统带来非视距误差和多径干扰,消除或降低误差成为超宽带(UWB)室内定位研究的热点。提出一种基于IA-BP神经网络的UWB室内定位方法,将BP神经网络训练的误差值作为免疫算法计算亲和度的抗原,通过免疫算法寻得BP神经网络的最优权值和阈值,避免BP神经网络收敛速度较慢和容易陷入局部最优值的问题,达到定位误差较小的目的。仿真实验结果表明,IA-BP神经网络训练100个样本输出的最大归一化误差不超过0.02,以3个锚点构成的定位场景中,待定位节点的仿真输出轨迹与实际运动轨迹基本吻合。     

可重构加工系统设计的多目标决策分析

密封条加工系统的设计 ,是一个涉及到多个目标的优化过程 ,它受到多种因素的影响。采用定性与定量相结合的统一处理方式 ,建立了难以用数学模型定量描述的多目标、多因素决策系统的数学模型 ,解决了加工质量、效率、加工系统可靠性、可重构性和成本之间具有的矛盾性和不可公度性 ;提出并应用一种实际操作性强的方法 ,确定了各个目标的权值 ,最终应用 TOPSIS法的原理得出系统设计的优选方案。     

软件定义无线局域网的切换接入机制

软件定义无线局域网（WLAN）是管理无线网络的一个趋势。针对无线访问接入点（AP）部署密集环境中频繁切换、接入失败等问题,提出了基于惩罚因子的全局关联记忆保留的接入控制的方法。首先,扩展OpenFlow协议;其次,利用扩展数据报文通过AP向控制器报告网络的质量、负载、吞吐量以及利用率等指标;接着,引入变异系数法确定网络指标的系数,然后利用这些指标参数构建AP接入权值;最后,引入全局惩罚因子记录网络中发生频繁来回切换的情况,根据全局记忆保留的惩罚因子修正AP接入权值和发射功率。通过与信号最强接入法和负载均衡接入法的实验对比表明,终端站点（STA）在复杂网络环境中移动时,该方法能有效地降低切换的“乒乓效应”,减少网络的切换次数和切换时延并提高网络切换成功率。与传统信号最强接入法相比,所提方法的切换请求次数减少了21.7%,增强了网络接入性能的稳定性。     

基于“新息误差”的粒子流滤波算法

在粒子滤波（PF）过程中存在粒子权值退化、维度灾难、计算成本高等问题。粒子流滤波通过构造对数同伦函数避免了粒子权值退化问题,但是在求解边值问题时过于依赖观测方程,当噪声较大时效果较差。针对上述问题,提出了一种改进的粒子流滤波算法。首先,该算法在粒子流动的过程中引入了一种“新息误差”结构,使每个粒子的更新相互独立;其次,利用Galerkin有限元法求得边值问题的数值解,从而消除了拟合样本先验可能导致的数值不稳定问题;最后,分别在通用非线性滤波模型和机动目标跟踪模型中对改进的算法进行了性能测试。仿真结果表明,改进的算法可以抑制系统对观测信息的依赖性,在噪声增大的情况下也能得到相对较好的结果,有效改善了滤波精度,而在多维目标跟踪情况下算法的计算效率与滤波精度高于标准粒子滤波。     

狭窄空间无人机动态三维A*算法研究

针对三维飞行器在动态环境下使用三维A*算法进行局部仿真时,环境信息未知,存在冗余点和拐点,导致收敛时间长、路径节点扩展代价大、易陷入局部最优问题,提出一种基于全局与局部相结合的动态三维A*寻路算法。此算法首先改进评价函数的权值系数动态分配,减小路径冗余点和拐点,从而降低算法耗时,缩短路径长度;其次改进路径生成策略,有效提高算法效率,避免陷入局部最优,进一步缩短路径长度,从而实现飞行器在三维动态环境中的路径规划。将改进后的算法进行仿真对比,仿真结果表明,改进后的算法路径更加合理,算法耗时和路径长度更短。     

基于信息熵的对象加权概念格

在大数据时代,由于数据规模越来越大,导致构造概念格的难度越来越高。在能够客观反映数据隐藏信息的前提下需删除冗余对象及属性,降低数据规模,构造更为简单的概念格,从而便于用户更高效地获取知识。为避免主观因素,本文由形式背景中属性的信息熵来获取单属性权重,采用均值方法计算对象权重,并用标准差计算对象重要性偏差值。通过设定的属性权重、对象权重和对象重要度偏差阈值,构造对象加权概念格。通过实例验证了,该方法可有效删除冗余概念,简化概念格构造过程。