基于融合特征ADRMFCC的语音识别方法

针对在复杂噪声环境下语音识别准确率低和鲁棒性差的问题,提出一种基于增减残差Mel倒谱融合特征的语音识别方法.该方法首先利用增减分量法筛选关键语音特征,然后将其映射到Mel域-残差域空间坐标系中生成增减残差Mel倒谱系数,最后将这些融合特征用于训练端到端模型.实验结果表明,该方法在不同噪声类型和信噪比条件下均显著提高了语音识别准确率及性能,在-5 dB低信噪比条件下,语音识别准确率达73.13%,而在其他噪声条件下的平均语音识别准确率达88.67%,充分证明了该方法的有效性和鲁棒性.

基于去蜂窝毫米波MIMO的通感一体化混合波束设计

针对通信频谱资源的匮乏以及去蜂窝MIMO在资源利用方面的优势,提出了一种毫米波(millimeter-wave,mmWave)场景下的去蜂窝MIMO通感一体化(intergraded sensing and communication,ISAC)系统。在该系统中,基站为用户提供服务的同时,多天线用户设备能够主动检测多个目标。研究目标是设计模拟和数字波束形成器,以优化通信和雷达波束形成误差的加权和。研究中考虑了2种功率约束,并采用改进的正交匹配追踪算法和黎曼共轭梯度算法进行优化。对通信频谱效率和雷达波束方向图进行仿真分析,结果表明,混合波束方案能在频谱利用和波束指向方面实现折中的性能,这种方案对于提高系统性能具有潜在的应用前景。

NC-OFDM雷达通信一体化设计

雷达通信一体化有利于提高设备硬件资源利用率和频谱利用率,已成为近年来的研究热点。针对目前频谱资源稀缺的情况,结合认知无线电的概念,提出了基于非连续正交频分复用(NC-OFDM)的雷达通信一体化设计,对NC-OFDM雷达通信一体化信号测量目标特征进行了距离及速度的估计,并对基于NC-OFDM雷达通信一体化信号模糊函数、雷达成像的距离分辨率和方位分辨率、自相关性及误码率进行了分析,同时,选取互信息作为指标,利用优化算法进行波形设计。仿真结果表明,NC-OFDM雷达通信一体化信号具有较好的雷达探测性能和更为优良的无线通信性能。

神经网络推荐系统协同过滤算法研究

针对传统协同过滤算法中的冷启动和推荐准确度问题,提出一种在神经网络的基础上的算法。利用卷积神经网络对用户以前的历史行为和评价项目属性建立卷积神经网络模型,然后,提取用户和其项目属性的特征,通过全连接的方式对评分进行拟合,其次,运用关联和推理思想,利用关联矩阵计算方法,结合用户使用信息的评测和系统内的关联项目进行对接,并自动生成关联矩阵所对应的信息项目集。最后,算出实际用户与其他用户之间的评分信息相似性大小,依据评分的相似性大小。依照最相似邻居的评分信息算出实际用户没有评过的项目预测大小值,接着根据预测值排名在前面项目对用户进行推荐,此推荐算法通过在数据集MovieLens采用对比试验进行验证,得出该研究的算法解决了冷启动问题并同时提高了推荐的准确率。

基于异常值检测矩阵分解的服务质量预测

基于Qo S感知的Web服务推荐是帮助用户找到高质量服务的解决方案之一.为了准确预测候选服务的QoS值,通常需要收集用户的历史QoS数据.然而,现有的方法大多忽略了历史数据中的异常值会导致预测准确度降低.为了解决这一问题,提出一种基于异常值检测矩阵分解的服务质量预测方法.首先,使用基于K-means的隔离森林算法先对历史QoS数据进行聚类,将历史数据中的异常值剔除;然后,将其用于改进的矩阵分解模型中对未知值进行预测;最后,利用柯西损失来评估观察值与预测值之间的差异.实验采用WSDream数据集进行测试,结果表明,提出的异常值检测模型的响应时间的MAE与RMSE指标平均提高了19.11%和39.59%,吞吐量的MAE与RMSE指标平均提高了9.82%和29.89%,证明所提模型有效改进了预测准确度.

基于带阈值的BPE-dropout多任务学习的端到端语音识别

针对语音识别任务中出现的未登录词问题,提出一种带阈值的BPE-dropout多任务学习语音识别方法.该方法采用带随机性的字节对编码算法,在形成子词时引入带字数阈值的策略,将子词作为建模单元,编码器部分采用Conformer结构,与链接时序分类和注意力机制相结合.为进一步提升模型性能,引入动态参数对损失函数进行动态调节,并同时进行多任务训练和解码.实验结果表明,该方法采用子词作为建模单元可有效解决未登录词问题,在多任务学习框架下进一步提升了模型的识别性能.在公开数据集THCHS30和ST-CMDS上,该模型实现了超过95%的识别准确率.

一种基于用户兴趣概念格的推荐评分预测方法

为了解决传统的基于协同过滤推荐算法中存在的数据稀疏的问题,本文提出了一种基于用户兴趣概念格的推荐评分预测(RRP-UICL)方法.该方法首先通过用户兴趣概念格将"最近邻"分为直接"最近邻"和间接"最近邻"两类.然后采用不同方法分别计算直接"最近邻"和间接"最近邻"与目标用户的相似度.最后,通过相似度值计算目标用户的不可见项目评分值.在两个稀疏噪声数据集上进行了实验,实验结果表明,在数据稀疏的情况下,该方法具有更好的预测精度和良好的性能.

基于概念格的稀疏数据协同过滤校正自然噪声方法

针对推荐系统中存在的自然噪声问题,提出一种基于概念格的稀疏数据协同过滤校正自然噪声的方法.首先将用户和项目划分为强、平均和弱三类检测自然噪声,然后采用基于概念格的稀疏数据协同过滤校正这些自然噪声,最后从获得的无自然噪声数据集中预测未评级的项目.在含自然噪声的数据集上进行实验的结果表明,该方法具有较高的推荐精度,且在数据稀疏的情形下仍具有良好的性能.

基于位置与信誉感知深度神经网络的云服务质量预测

随着众多具有相似功能的云服务的出现,为用户选择最适合的服务的难度也越来越大。协同过滤是处理这一问题的常用方法,但是它面临着数据稀疏性和可信度这两个普遍的问题,这大大降低了其预测准确性。为了正确和系统地解决这个问题,提出了一种基于位置与信誉感知深度神经网络的云服务质量预测方法。首先,结合地理位置信息采用K-means聚类过滤不可信用户;其次,在可信用户和服务之间构建一个深度神经网络模型,采用信誉感知网络嵌入来学习用户的潜在表示,并通过全连接层输出用户特征向量和服务特征向量;最后,通过矩阵点乘求和对两者进行融合,输出预测值。在公共数据集WSDream上进行实验的结果表明,与给出的其他方法相比,所提方法在预测准确率上有明显提高。

基于位置关系模糊聚类的Web服务质量预测

针对Web服务质量预测受数据稀疏与噪声数据的影响,从而造成预测精度较低的问题,提出了一种基于位置关系模糊聚类的Web服务质量协同过滤预测方法。该方法利用经纬度特征通过模糊C均值聚类算法得到隶属度矩阵,采用改进的相似度计算方法分别计算用户或服务之间的位置关系相似度与历史服务质量相似度,并设置权值将两者融合,从而缓解噪声数据对服务质量预测的影响,最后使用混合协同过滤算法预测空缺的服务质量。实验结果表明在数据稀疏的情况下,该方法预测精度高于其他方法。

宽带无线中继传输在应急通信中的应用研究

针对TD-LTE宽带集群通信系统依托固定通信设施建立骨干传输链路的应用短板,结合新时期突发公共事件现场可视化指挥调度的新需求,通过增加宽带无线中继传输系统,构建起宽带集群通信系统的无线骨干传输备份链路,并对两种典型突发公共事件场景下的应急通信保障网络架构进行了分析,阐明了宽带无线中继传输有助于提升TD-LTE宽带集群通信系统的在应急通信中的用户体验,促进我国自主知识产权应急通信保障体系的建设。

OFDM系统中一种实用的干扰抑制信道估计算法

针对OFDM系统中LS信道估计在噪声消除和干扰抑制上的不足,提出一种干扰抑制信道估计算法。算法利用OFDM信号的时频二维特性,在LS信道估计基础上通过3次FFT/IFFT实现信道噪声消除和窄带干扰抑制,算法复杂度低,具有较好的工程可行性。算法仿真结果表明,这种干扰抑制的信道估计性能比传统LS信道估计在多径信道下的性能提升3 dB以上,在有窄带干扰的场景下系统性能损失在1.5 dB以内。

一种人体互动无线系统的设计

提出了一种无线人体互动控制系统的软硬件实现方法.该系统硬件部分包括人体红外传感器,无线射频模块,作为处理器的单片机,逻辑控制门等.该系统可作为互动控制的前端部分适用于需要检测人体是否存在的自动控制场合中.

基于知识感知采样的神经协同过滤

目前,对于推荐系统的研究主要集中在如何使用不同的辅助数据进行混合推荐,来缓解数据稀疏和冷启动问题,以提高推荐的准确性,而对于自然噪声的研究相对较少。针对自然噪声中项目的曝光偏差问题,提出一种基于知识感知的负采样策略。该方法利用用户对项目的隐式反馈和项目的知识信息来构建知识图谱,然后根据知识图谱中正例与负例之间共同的知识实体来对负例进行采样。通过设计一个奖励函数来衡量采样负例的质量,然后通过最大化累积奖励函数期望来优化采样器。采样以后,将用户正例和最佳负例一起输入到推荐器中,用于训练推荐模型。随后,将该采样方法与神经协同过滤结合起来,得到一种基于知识感知采样的神经协同过滤。此外,为了能够灵活地控制采样比,用逐点损失代替原来的成对损失来优化推荐器。在真实数据集上进行了广泛实验,验证了所提方法的有效性。

融合相似性负采样和短期偏好的图卷积推荐模型

大多数基于知识图谱的推荐算法在进行知识图谱学习任务时多采用随机替换的方式对负样本进行采样,不能帮助系统高效地学习样本特征;此外,在学习用户的兴趣时忽略了时间因素对用户偏好的影响。针对以上两点,提出了一种融合相似性负采样和用户短期偏好的推荐模型(SPKG)。首先,使用TransE将实体嵌入到向量空间,采用K-means聚类算法将实体进行聚类,通过同簇实体的相互替换可获得高质量的负三元组;然后,采用基于注意力机制的双向门控循环网络从用户近期交互的物品序列中提取用户的短期偏好;最后,通过用户的短期偏好对用户进行推荐。在3个数据集上对模型的性能进行验证,结果表明,相比于基线模型,SPKG在AUC、召回率和F1指标上都有所改善。

基于RASCIL的W-projection和W-stacking并行算法实测研究

在射电干涉阵的大视场成像中,W-projection和W-stacking是两类主要成像方法,本文对这两种成像方法进行了并行实测研究。首先分析了两种成像方法的基本原理框架,在此基础上对两种成像方法并行实现的关键因素进行讨论和分析。利用已经校准的射电干涉阵观测数据对两种成像方法基于射电天文模拟、校准和成像库(Radio Astronomy Simulation,Calibration,and Imaging Library,RASCIL)分别进行并行策略研究和并行计算实验。通过对并行计算时间、并行效率和并行资源配置模式的分析,得到了两种成像方法基于RASCIL(https://gitlab.com/ska-telescope/external/rascil)的并行计算性能,结果表明,两种成像方法都适合采用Strong Scaling的并行资源配置模式进行并行计算,基于RASCIL的W-stacking并行计算还有比较大的性能提升空间。

基于听觉特性和发声特性的语种识别

针对现有的方法在低信噪比环境下语种识别性能不佳,提出了一种耳蜗滤波系数和声道冲激响应频谱参数相互融合的语种识别方法.该方法表征了人的耳蜗听觉特性和发声特性,首先提取模拟人耳听觉特性的耳蜗滤波系数,再融合表征人的发声特性的声道冲激响应频谱参数,最后采用高斯混合通用背景模型对所提方法在语种识别上进行测试.实验结果表明,在4种信噪比环境下,该方法优于其他对比方法;相对于基于深度学习的对数Mel尺度滤波器能量特征,识别正确率提升了16.1%,与其他方法相比有较大程度的提升.

面向战场环境下的语种识别

为实现语种识别在战场环境下保持较高的识别性能,提出一种基于语谱图灰度变换的语种识别方法。根据语音信息和战场环境下的噪声信息在语谱图上的分布特性,引入带通滤波;根据人耳听觉特性提取对数灰度语谱图;采用自动色阶算法抑制语谱图上的噪声信息,增强语种信息,并采用残差神经网络模型进行训练识别。实验结果表明:在-10 dB掠夺者战斗机驾驶舱噪声环境下,相对于线性灰度语谱图特征,识别正确率提升了46%;在其他噪声环境下,识别性能也大幅度提升。

基于知识图谱和麻雀算法改进的图卷积网络推荐模型

现有的知识图谱推荐模型通过聚合实体的高阶领域信息学习用户的远程潜在兴趣.这些方法存在两个问题:①通过计算用户和关系之间的分数得到固定大小的实体邻域结构,不能充分利用知识图谱中的全局信息;②现有模型以相同的权值对实体的邻居节点进行聚合,没有考虑到目标实体对不同采样邻居的偏好程度不同.基于上述问题,提出了融合邻居节点重要度采样和特征交叉池化的图卷积推荐模型.首先,通过融合邻居节点的分数和其中心性感知分数得到邻居节点重要度;然后,引入特征交叉池化层对目标实体向量和邻域向量进行特征交叉后聚合,得到最终的实体特征表示;最后,使用改进的麻雀算法优化图卷积神经网络的超参数.在3个数据集上对模型的推荐性能进行验证,相比于基线模型,在AUC和F1指标上平均提升了3.0%和2.4%.

融合用户评分和项目特征的相似推荐算法

为了满足推荐系统的实时性需求,提出了一种融合用户评分和项目特征的相似推荐算法。该算法利用用户对项目的点击行为即时获取用户的偏好,然后根据用户的偏好为目标用户推荐偏好项目的相似项目。该算法同时考虑了用户和项目两个维度:利用用户对项目的评分数据计算用户评分相似度,利用用户生成的社会化标签计算项目特征相似度。然后将用户评分相似度和项目特征相似度进行加权融合,得到最终相似度,根据最终相似度生成推荐列表。为了面向大规模数据处理,同时提高算法运行的效率,对算法做了并行化扩展。实验结果表明:在分布式并行计算模式下,所提算法具有可观的加速比,能够满足推荐的实时性需求;在面对增量数据时,所提算法具有良好的可扩展性。