基于语音人工智能的“黑广播”监测方法研究

"黑广播"会扰乱正常信号,破坏空中电波秩序,对社会危害极大,因此,对"黑广播"进行监测与打击是无线电管理的重要工作之一。根据广播语音内容甄别"黑广播"是最可靠的识别方式,传统的"黑广播"识别依靠人工听取广播内容,成本高、效率低,基于自动语音识别技术的方式大多依托在线网络语音服务,难以应对离线实时监测场景。本文提出一套基于语音人工智能的"黑广播"监测识别技术,提取语音声学矩阵信息并利用神经网络进行识别,可在离线情况下实现"黑广播"的实时侦测。     

结合总体最小二乘的自适应抗差滤波算法

在动态导航定位中,不仅会存在有色噪声的影响,而且还会出现观测系数矩阵存在偏差的情况,数据处理中不容忽视。针对此,本文将总体最小二乘和自适应抗差滤波相结合,提出了能够同时控制有色噪声和系数矩阵偏差影响的新方法。该算法先用总体最小二乘方法求出观测方程系数矩阵偏差,并对观测方程系数矩阵进行修正,再基于修正后的观测系数矩阵使用自适应抗差滤波算法求解出最后的状态参数估值。计算结果表明,该方法不仅能够改正系数矩阵偏差且能控制有色噪声的影响,有效地提高导航定位的精度和可靠性。     

基于感知评价的Internet语音终端流量控制

分析了影响因特网语音通信质量的主要因素，根据实时传输控制协议计算延迟、丢包率等网络参数，并利用RBF神经网络将参数映射为语音质量评分，根据评分值的变化动态地调整语音终端的编码速率，在保证一定语音质量的同时，缓解网络拥塞。实验证明了该方法的有效性。