通信类研究生数学建模能力的培养与实践

培养高层次科技创新人才是新时代研究生教育的历史使命和责任担当。新工科倡导的“前沿技术引领性”“学科间交融性”“知识体系多样性”和“人才培养创新性”等理念为我国通信类研究生与高端人才的培养提供新思路。针对通信类研究生培养需求,分析通信类研究生能力培养挑战,指出通信类研究生教育仍存在通信系统综合实践能力弱、通信问题数学建模能力不足等问题。基于此,揭示数学建模能力对研究生创新能力培养的支撑作用,探索提出“课程教学-学科竞赛-科研项目-社会实践”四位一体研究生创新能力培养体系,介绍培养中的创新实践以及在学科竞赛、科研创新和人才培养等方面的成果成效。

一种自适应的多目标图像分割方法

图像分割是数字图像处理中的一个重要问题。提出了一种自适应的多目标图像分割方法。该方法改进了传统的最大类间方差法 (OSTU方法 ) ,并使用方差分解的方法自适应地确定图像中的最佳目标个数。采用遗传算法优化了阈值的求取。对样本图像的分割结果显示 ,此算法在分割速度和效果上都取得了较好的结果。实验证明 ,此方法能有效地对多目标图像进行分割。

基于正弦谐波模型和BP神经网络的语音变换算法及实现

提出利用语音的正弦谐波模型和BP神经网络实现语音变换算法.提取语音的基音频率,进行高斯建模和变换,实现说话人韵律特征的变换.提取语音的巴克域倒谱参数,作为说话人的频谱特征,送入BP神经网络进行训练,利用训练好的BP网络实现频谱特征的变换.给出了变换实现的系统框图,进行了仿真实验,利用ABX测试对实验结果进行了评测.测试结果表明文中所述算法,较好地实现了语音变换.

基于隐马尔可夫模型和高斯混合模型结合的声音转换方法

针对隐马尔可夫模型较强的语音信号表征能力和高斯混合模型良好的声音转换效果,提出了一种了隐马尔可夫模型和高斯混合模型相结合转换线谱频率的方法,给出了理论推导和算法流程,并利用高斯建模实现了韵律特征的转换。利用所述算法对录制的两段语音进行了仿真实验,转换语音有较好的自然度和清晰度,ABX测试结果显示,文中算法得到的语音在听觉上有90.2%的概率更接近目标说话人语音。

一类无穷阶线性时序模型

本文首先将通常的线性序列中的一大部分用有限参数形式表示，使得对线性时间序列的研究比通常的ＡＲＭＡ模型更为广泛；然后利用这种形式建立了时域中的等价Ｂｌｏｏｍｆｉｅｌｄ模型，并在时域中进行了初步的研究，给出的两个应用实例说明了这种做法的意义和实用价值．

基于傅立叶-贝塞尔展开的语音转换算法

文中介绍了基于FB展开的语音信号表示的基本理论,并对用FB展开系数表示语音的能力进行了分析。提出了基于FB展开的语音转换算法,并对该算法进行了仿真实验。对转换后语音所进行的ABX测试表明,该算法能够较好的完成语音转换,转换后语音的自然度和目标人趋向度比较高。

集员辨识的次最优输入设计

讨论了单输入单输出时不变线性系统参数集员辨识的试验设计问题。在输入信号幅度有界的约束条件下 ,分别针对一次完成设计和递推设计给出了确定试验输入信号的公式。这种信号能使辨识得到的椭球所包含的范围在一定意义下较小 ,并且是试验之前的所能做到的最佳选择。

汽轮机调节系统在线监测的Bloomfield模型法

该文针对汽轮机调速系统的某些故障易发环节建立了一种基于时序模型的故障诊断方法，特别适合于在线监测。

基于Fourier-Bessel展开和Karhunen-Loeve变换的语音变换

为了有效地进行语音变换,改善变换后语音的自然度和目标人倾向度。依据语音信号传播机理和(Fourier-Bessel)展开式系数对语音信号的表现能力,提出了利用F-B展开系数作为变换参数。在该算法中,根据F-B展开系数无语音相位信息的特点,提出基于最大基频相位的语音分帧算法;针对F-B展开式数据量过大的问题,提出了基于Karhunen-Loeve变换的参数压缩算法,转换模型使用GMM(Gaussian mixture model)模型。对算法进行了仿真实验。对变换后语音所进行的ABX测试表明,算法能够较好地完成语音变换,变换后语音的目标人趋向度比较高。

非线性系统参数估计的迭代Bayes方法

本文给出使用Ｂａｙｅｓ方法估计非线性系统模型参数的方法和计算过程，给出一种迭代使用Ｂａｙｅｓ方法的策略并讨论了非线性自回归模型的参数估计问题。

调速系统故障诊断中的试验时间和结果精确度

研究了利用液压正弦信号发生器产生的正弦扰动信号对调速系统的某些环节进行动态特性试验时的结果置信度问题，给出了在给定置信概率下确定最佳试验时间的公式。

聚类数据挖掘可视化模型方法与技术

面向通用数据资源,研究聚类数据可视化方法与技术,旨在探索有效的数据处理方法,满足信息领域对高维数据处理的要求。通过对高维数据进行降维处理和可视化映射实现,建立K均值算法的聚类数据挖掘可视化系统模型,实现中间聚簇结果、聚类中心、收敛准则函数值三类要素的可视化。利用加利福利亚大学欧文分校(UCI)数据库中的Iris数据集、Wine数据集、Seeds数据集对可视化系统模型方法进行测试。结果表明,该模型实现了对数据集的有效聚类,能够将中间聚类、聚类中心、收敛准则函数值进行实时有效的可视化表达,达到了预期效果。

模糊综合评价的两种新算法

基于模糊综合评价矩阵的不同类型 ,给出了模糊综合评价的两种新算法 :对于数字型评判矩阵 ,采用指数加权算法 ;对于区间型评判矩阵 ,提出了误差分析算法 。

唇语识别关键技术研究进展

唇形及其动态特征在人类语言感知的过程中起着重要作用,通过分析唇形图像序列,根据口型特征向量和特定语音之间的对应关系,不仅可以帮助理解讲话内容,提高语音识别的识别率,而且还可以识别出话音语种和讲话人身份。本文从唇语识别系统的各环节入手综述了该领域的最新研究进展,并讨论了现有方法的优缺点,最后提出了唇语识别新的应用领域和有待进一步研究的问题。

一种基于RBF神经网络的英文字符识别方法

提出了一种基于RBF神经网络的英文字符识别方法。该方法首先提取字符的结构特征和统计特征,以它们作为神经网络的输入向量,然后用RBF神经网络进行识别。使用了高斯函数作为神经网络的激励函数,并以最小二乘准则对字符进行识别。对字符样本的识别结果显示,此方法在识别错误率和识别效率等方面均有很好的效果。

军事情报价值评估方法

军事情报是为保障军事斗争需要而搜集的敌对国家、集团和战区有关情况以及对其研究判断的成果,是制定战略方针、国防政策和各级指挥员定下决心、指挥作战的重要依据。军事情报价值评估是军事情报工作中至关重要的一个环节,评估方法是否科学合理,评估结果是否符合客观实际,都将不可避免地影响到军事指挥决策的成效。研究了军事情报价值的特性,提出了军事情报价值评估中的序化和量化方法。

军事情报效能评估指标体系的构建

从一般系统评价中效能的基本概念出发,初步给出了军事情报效能的含义及其特征。以服务于某个特定军事活动的一个情报集为研究对象,研究了建立军事情报效能评估指标体系的建立原则。在此基础上,提出军事情报效能评估指标体系的一种结构,并分析了各指标的意义和相互间的关系。

模糊语言模型在唇读系统中的应用

论文针对传统的统计语言模型所面临的数据稀疏和估计严苛性问题,提出基于模糊表示的n-元语法模型,并将其应用于唇语识别系统中,结合隐马尔科夫模型(Hidden Markov Model),建立了新的唇动识别模型—HFM(HMM and Fuzzy Language Model)。利用教育部语言文字应用研究所计算语言学研究室研制的语料库在线系统,制作了一个小型语料库,进行了句子识别实验。实验结果表明,HFM可使单音识别率最高提高6.5%,句子识别率最高提高22.7%,另外,采用语言模型对文字流进行解析,而不再是盲目文字匹配,单一视觉流的解析精确度达68.7%。

基于自适应遗传算法和BP网络的物重监测模型

采用自适应遗传算法与误差反向传播算法(BP)相结合,建立一个通过图像监测物体重量的模型。先对图像进行特征提取,然后用遗传算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快并避免局部极小。作为实例,利用圆柱体、锥形体、梯形体等物体图像相关资料建立了数据库,将图像的特征因素作为样本对网络进行训练,并用训练好的网络预测未知物体重量。由实例表明,该方法在预测物体重量中是可行的,误差较小,为物体重量监测提供了一种新思路和新方法,可用于大型生产线上的物体重量在线监测和质量控制。

基于模糊层次分析法的战役情报效能评估

战役情报是组织实施战役所需的军事情报,运用模糊层次分析法对战役情报的效能进行评估,可以对军队情报工作产生一定程度的导向作用,进而促使增强情报工作的针对性,优化情报工作流程和资源配置。模糊层次分析法具有较高的科学性和客观性,计算方法简单、使用方便,通过应用实例表明模糊层次分析法对于衡量某特定情报集在战役中的支持力度具有一定的参考价值。