渐进式神经网络多维说话人信息识别技术

提出了一种识别多维语音信息的方法,用来同时识别说话人身份、性别和情感信息,选择身份特征参数I-vector向量表示语句特征。首先基于深度置信网络(DBN)设计了一个性别相关的多维语音识别基线系统,然后在基线系统基础上又提出了一种基于渐进式神经网络技术(Progressive Neural Network,ProgNets)的多维说话人信息识别方法。在性别相关的基础上,将辅助语音识别模型知识迁移学习到主语音识别模型中,进而增强语音识别性能。实验结果表明,基线系统识别结果比非同时识别的单维语音识别DBN模型的平均识别率提升了4.73%,而基于ProgNets系统的多维系统识别精度比基线系统高1.8%。

基于多波束/TDOA技术的双星干扰源定位

单星多波束干扰源定位方法需要在3个以上的同频波束都能接收到干扰源信号的情况下才能实现定位。由于同频波束的数量有限以及干扰源位置的随机性,往往会出现能接收到干扰源信号的同频波束少于3个,或接收增益过低影响定位精度的情况。【目的】针对只有两个可用波束的定位问题以及进一步提高干扰源的定位精度,提出了通过邻星与主星建立基于多波束天线与到达时间差(TDOA)技术的双星联合定位模型。【方法】通过建立双星联合定位模型,并联立出定位方程组证明了该模型的可行性。同时,基于定位几何稀疏精度因子(GDOP)对定位模型的接收增益误差、波束指向误差、到达时间差误差以及位置预测误差4个方面进行了定位误差分析,并使用Matlab进行仿真对比。【结果】仿真实验表明,基于多波束天线与TDOA技术的双星联合定位方法的定位精度明显优于传统的单星多波束定位方法。【结论】基于多波束天线与TDOA技术的双星联合定位方法利用了TDOA对定位精度影响较小的优势,使其代替部分波束参与到卫星定位中,不仅减少了对定位波束数量的需求,而且减少了测量增益的误差与波束指向的误差,大大提高了定位的精度并提升了可靠性,较单星多波束定位更具优势。

P2P业务流量识别、分析和控制研究

P2P业务流量在对Internet起巨大推动作用的同时,也带来了因资源过度占用而引起的网络拥塞以及安全隐患等问题,妨碍了正常的网络业务的开展。该文通过对P2P业务的有效识别、控制和管理技术的研究,设计出网络业务流量综合识别系统和网络业务流量识别和策略控制系统原型。

多速率多播最大吞吐量问题研究

该文研究了利用network coding的多速率多播最大吞吐量问题。与以往研究重点集中在单速率多播中的network coding研究工作不同,该文考虑了链路的异构性问题并采用多速率多播来解决该问题。文中形式化地描述了多速率多播最大可得吞吐量问题,并证明了在分层独立和层速率固定条件下,利用network coding的多速率多播最大吞吐量问题是NP-hard类问题,同时给出了最大吞吐量的上界。该文同时还研究了分层相关和层速率可变情况下的最大吞吐量问题,并提出了一种满足公平性的近似算法。

一种基于图信号处理的BP神经网络语音识别方案

文中研究图信号处理技术在语音信号处理领域的实现和应用。基于语音信号基本特征,提出一种语音图信号拓扑结构和图邻接矩阵新方案,即语音采样点为图顶点,全连接语音拓扑结构和语音样值差递减幂函数作为边权重。分析了新方案下浊音、清音和静音的图傅里叶变换。基于新方案下语音图傅里叶变换系数集中于低频的特性,设计图低通滤波器,并将该低通滤波器滤波后的语音信号进行基于BP神经网络的数字语音识别实验,正确识别率获得明显提高。

认知协作NOMA网络的安全性能分析

为了提高通信系统的安全性能且使有限的频谱得到高效利用,将填充式认知无线电(OCR)与非正交多址接入(NOMA)技术相结合,提出了一个次网络通过感知主用户是否占用频谱来实现辅助主网络通信或次网络通信的动态切换的系统模型。主次网络均采用人工噪声(AN)技术进一步改善系统的安全传输性能。通过分别推导主、次网络安全中断概率和安全吞吐量的表达式来研究系统的安全中断性能。仿真结果表明了所提出的认知协作NOMA方案在降低中断概率、提高吞吐量方面的有益效果,并且进一步给出了人工噪声功率分配因子对系统性能的影响。

基于毫米波高铁车地通信的自适应多波束成形方法

文中提出了一种基于毫米波高铁车地通信的自适应多波束成形方法。在该方法中,基站利用毫米波同时发射多个具有不同宽度的波束进行信号传输,从而提升系统的吞吐量。多波束传输方法也可以降低系统的通信中断概率。但是,多个波束同时传输信号会引发波束间干扰的问题。为了减弱其影响,采用一种自适应波束激活算法来实时调整激活波束的数量,使系统在当前时刻保持最佳的吞吐量性能。理论分析和仿真结果表明,所提方法可以进一步提升高铁车地通信系统的吞吐量,同时还可以获得较低的通信中断概率。

基于联合时空图拓扑结构的多通道语音MVDR增强算法

本文研究图频域内的多通道语音增强,利用图信号处理理论(GSP)构建一种时间-空间维度的联合图拓扑结构,在此基础上设计增强算法进行多通道语音消噪。具体而言,基于输入阵列某个麦克风输入帧间语音顶点信号的时间相关关系,构造时间维度上的一种图拓扑结构;同时针对多通道含噪语音,根据各通道接收信号的空间相关关系,构造空间维度上的一种图拓扑结构。基于时间和空间二种图拓扑构成的联合图拓扑结构,采用图频域内的最小方差无失真响应(MVDR)增强算法,进行多通道语音增强。仿真实验结果表明,在平均客观语音质量评估(PESQ)得分和平均拓展短时客观可懂度(ESTOI)评价指标下,本文所提出的基于联合图拓扑结构的MVDR波束形成(JG-MVDR)方法都优于常规图MVDR波束形成(GMVDR)方法和基于复高斯混合模型的MVDR波束形成(CGMM-MVDR)方法。

基于联合图学习的多通道语音增强方法

考虑到通道间存在的空间关系影响着其降噪问题,图信号处理可以捕获该潜在关系,若直接采用其空间物理分布图,无法实时反映其时变特性,因此本文提出了一种基于联合图学习的多通道语音增强方法。首先,提出一种联合时间‑空间图学习方法,以最小化多通道含噪语音信号在空间图上的平滑度、参考通道信号在语音帧内图上的平滑度、空间图的稀疏度和帧内图的稀疏度之和为目标,优化阵列空间图和语音帧内图。基于学习的空间图和帧内图,构建多通道语音信号的时间‑空间联合图。在此基础上,将多通道语音图信号进行联合图傅里叶变换,进而采用固定波束形成(Fixed beam forming,FBF)方法进行增强。实验结果表明,与传统的FBF方法相比,所提出的基于联合图学习的FBF(Joint graph learning based FBF,JGL‑FBF)方法显著提升了增强语音的信噪比(Signal‑to‑noise ratio,SNR)和主观语音质量评估(Perceptual evaluation of speech quality,PESQ)。另外,实验结果也表明,JGL‑FBF方法的语音增强性能会受到时延补偿准确性的影响。

采用多任务学习和循环神经网络的语音情感识别算法

随着机器学习的快速发展,许多研究者使用神经网络来解决语音识别领域中的各类问题。然而由于训练数据有限等原因,常规的神经网络分类器普遍存在泛化误差等问题。为了解决此问题,迁移学习中的多任务学习被引入到研究中。本文提出了一种采用多任务学习和循环神经网络的语音情感识别算法(MTL-RNN),将说话人情感识别作为主任务,性别识别和身份识别作为辅助任务,三个任务在神经网络中并行训练。算法模型通过RNN共享层共享网络参数、学习共享特征,通过属性依赖层学习独有特征,以提升模型的分类性能。实验结果表明,本文所提出的MTL-RNN算法在汉语和阿拉伯语、较少说话人和较多说话人的场景下均有较好的识别性能。

基于双向中继和网络编码的NOMA网络性能分析

针对实际场景中存在的具有上下行双向传输任务的通信系统,本文提出了一种双向中继协作非正交多址接入(NOMA,non-orthogonal multiple access)传输方案,基于解码转发(DF,Decode and Forward)协议研究信号的上行和下行双向传输技术,与现有NOMA方案不同,本方案为近端用户分配较大的功率,利用网络编码(NC,network coding)原理在两个时隙内实现基站和用户之间的双向信息交换。进一步考虑不完美信道状态信息(CSI,Channel State Information)条件,分析系统的传输性能并推导了系统中断概率以及遍历和速率闭合表达式。仿真结果表明,在完美CSI和不完美CSI条件下,相比于现有文献所提方案、单向中继(OWR,One-Way Relay)和正交多址(OMA,Orthogonal Multiple Access)网络,本文所提方案有效降低了系统的传输中断概率,提高了系统的遍历和速率以及系统吞吐量。

针对动态用户的上行非正交多址接入技术

为了增强非正交多址接入技术(NOMA, non-orthogonal multiple access)应用场景的广泛性,本文给出了一个针对动态用户的上行NOMA系统。在传统的NOMA系统中,基站将用户到基站间的具体距离反馈给用户。由于在本文的场景中用户是动态分布的,基站实时地反馈具体距离势必会使系统开销过大。为了减少系统开销,本文假定基站只向用户反馈距离的统计特性,用户在之后的信息传输中根据距离的统计特性确定发射功率。理论分析了动态用户的中断性能并推导出了中断概率的表达式。仿真验证了理论推导的正确性,表明了当用户的分布区域内外边界值相差不大时,利用距离的统计特性和利用具体距离确定发射功率可以获得几乎相同的中断性能。

一种基于图后置滤波的多通道语音增强方法研究

结合图信号处理与波束形成,提出了一种新的图后置滤波(Graph Post-Filtering,GPF)方法来实现多通道语音信号增强。首先,提出了多阶自旋的图拓扑结构来构建语音图信号。然后,针对复杂散射噪声场下维纳后置滤波(Wiener Post-Filtering,WPF)方法的局限性,结合波束形成提出了一种新的图后置滤波方法,基于输入各路语音图信号的自相关和互相关功率谱密度,推导出增益函数,进而预测源语音信号的图频谱。实验结果表明,所提出的GPF方法在信噪比(Signal-to-Noise Ratio,SNR)和主观语音质量评估(Perceptual Evaluation of Speech Quality,PESQ)方面,性能均优于传统的WPF方法。另外,实验结果也表明,各路信号时延补偿偏差会影响基于GPF的多通道语音增强性能。

基于自旋图结构权重分配的图信号突变点检测技术

对于不规则的、复杂的信号进行分析处理,新兴的图信号处理技术已经取得了研究突破。在无线传感器网络的信号突变点检测场景中,图信号处理技术也已被证明是有效的。在图信号突变点检测系统的基础上,文中着眼于检测结果的精确性和稳定性问题,首先研究了已有的不同图拉普拉斯矩阵和图的边权重定义方式,发现较采用组合拉普拉斯矩阵和维度倒数定义权重的方法有一定程度的性能提升;进而研究并新定义了一种自旋图结构并讨论了最佳的权值分配方案,通过实验证明了新方案能够显著减小检测系统的延迟,进一步提高突变点位置检测精度;最后与经典的DSP方法进行比较,并研究了图信号多次突变检测的情况,进一步验证了改进方案的优越性。

基于SDN的负载均衡网络控制器算法

当前网络新兴科技呈井喷式发展势头,这些新兴科技在为人们的生活带来极大便利与乐趣的同时,对网络处理海量数据并兼顾安全性和稳定性也提出了更高的要求。一方面,传统网络架构的处理能力很难满足该要求;另一方面,为获得更高的网络效益而开展流量调度优化的研究也大多停留在链路模块,缺少对服务器模块的关注。在此基础上,针对目前绝大多数流量调度优化算法所存在的不足,提出了额外增加了对服务器模块进行考量的路径-服务器流量调度(Path-Server Traffic Scheduling,PSTS)算法,并基于软件定义网络(Software Defined Network,SDN)范式利用Ryu控制器进行模块化功能实现。实现过程中,通过对链路层面和服务器层面的影响因子(性能指标)进行度量,并引入之前已获取的影响因子信息计算权重,来实现对每条链路和每个服务器的排序和筛选,为最终的最佳流量调度提供支撑。仿真结果表明,在流量负载相同的情况下,相较于目前广泛接受的动态负载均衡(Dynamic Load Balancing,DLB)算法,所提出的PSTS算法可以实现更高的平均带宽利用率和更低的平均传输时延;同时,在负载均衡方面,当网络中有大量数据流时,PSTS算法可以更为有效地将数据流均衡地分配给各个服务器,极大地避免了网络中局部拥塞情况的发生,提高了数据流的处理速度,进而提升了网络的整体性能。

基于观测星位优选的异轨单星分时测频定位技术

目前对于视场受限的干扰源进行定位存在很大的局限性。文中在单轨单星分时测频定位技术的基础上提出了一种基于观测星位优选的异轨单星分时测频定位技术。首先构建异轨单星分时测频定位技术的定位模型并推导出定位方程,接着推导出几何稀释精度因子计算公式并构建观测星位优选模型,最后根据定位过程,以最小定位误差为目标,获取最优观测星位。计算机仿真结果表明,在视场受限的定位场景下利用该技术进行干扰源定位可用性好,且定位精度可以达到百米级。

异轨分时单星时差定位技术精度分析

为了提高单星定位技术的定位精度,文中提出了异轨分时单星时差定位方法。首先,分别分析了同轨和异轨分时单星时差定位原理,并推导了异轨分时单星时差定位误差表达式。其次,通过STK仿真软件建立伽利略卫星导航系统,得出高仰角条件下的可视卫星和单星定位场景。最后,通过仿真实验分别得出了同轨和异轨分时单星时差定位性能,并设置对比试验得出结论:异轨分时单星时差定位技术的定位精度相对同轨单星时差定位技术显著提高。

COSPAS-SARSAT系统第二代示位标信号的软件无线电设计实现

遇险示位标是全球卫星搜救系统(COSPAS-SARSAT)的一个重要组成部分。目前遇险示位标大多是第一代窄带示位标,采用固定的调制变频架构,存在集成度低、功能单一、升级需要更换硬件电路等问题。针对这些问题,文中设计了一种基于ZYNQ7000+AD9361软件定义无线电集成架构的第二代遇险信标示位标信号产生电路,其优点是信息内容、信号格式、发射参数可软件灵活定义。文中首先根据COSPAS-SARSAT系统第二代遇险示位标信号的格式规范,设计了扩频、滤波、调制等信号处理流程,仿真验证了信号特性;然后,用ZYNQ7000+AD9361软件定义无线电架构完成了PL和PS设计,实现了符合第二代COSPAS-SARSAT示位标规范的发射信号;最后进行了测试,结果表明该设计方法符合设计要求,有效可行。该设计具有分立器件少、集成度很高、高度可编程性、可灵活实现示位标的在线维护升级和信号转换等优点。

用于声音事件定位与检测的空间信息增强方法

声音事件定位与检测包含到达方向估计和声音事件检测两个子任务。作为当前声音事件定位与检测领域中应用最为广泛的模型之一,卷积循环神经网络模型采用卷积神经网络分别从单个音频通道中提取特征,这导致模型丢失了不同通道间的相关信息。然而,通道间的相关信息蕴含了与声源位置相关的空间线索,空间信息的缺失必然会影响模型的到达方向估计性能。此外,卷积循环神经网络模型中使用的交叉熵损失函数还会引起特征分散问题。为解决这些问题,本文提出采用混合损失函数的图卷积循环神经网络模型。具体地,采用图卷积神经网络对不同特征通道间的信息进行聚合,以获取包含更丰富空间信息的特征,来改进卷积循环神经网络模型的到达方向估计性能。在此基础上,结合交叉熵损失函数和角度间隔softmax函数,提出一种新的混合损失函数来解决特征分散问题提高模型的分类性能。实验结果表明,本文提出的采用混合损失函数的图卷积循环神经网络模型在定位相关声音事件检测错误率、F1分数、定位召回率和声音事件定位与检测得分方面均优于其他声音事件定位与检测模型。

噪声环境下基于注意力的时域语音分离方法

目前,基于深度学习的时域单通道语音分离模型在无噪声场景下取得了显著的成效。然而,在含噪场景下,这些模型的编码器会将噪声特征误认为是源语音特征,影响掩码估计的准确性,导致分离性能不理想。针对此问题,提出一种基于注意力机制的时域语音分离模型,来降低噪声对语音分离任务的影响。具体地,考虑到时域编码器输出特征的各通道重要性差异,提出在编码器内部嵌入一个高效通道注意力(Efficient Channel Attention,ECA)模块,对编码特征的通道进行加权处理。在此基础上,提出采用图注意力网络(Graph Attention Network,GAT)来计算相邻帧间的注意力系数,以此聚合相邻帧间的编码特征,从而隐式地减小了噪声对掩码估计的影响。系统模型在WHAM!、Libri2Mix-Noisy和Libri3Mix-Noisy数据集上的实验结果表明,所提出的基于GAT和ECA的DPRNN(GACA-DPRNN)方法比基线DPRNN性能更优。