基于二阶隐马尔可夫模型的清浊音恢复算法

为了解决低速率语音编码中比特受限的问题,提出了一种基于二阶隐马尔可夫模型的清浊音参数恢复算法。该算法采用二阶隐马尔可夫模型,通过归一化的能量参数和LPC倒谱系数估计出序列中的全带清浊音判决和各个子带的清浊音度。解码器实现该算法后,编码器就无需对清浊音参数进行量化传输,从而节约了比特数。实验结果表明,该算法比基于GMM模型的算法能更好地恢复出清浊音信息,全带清浊音误判率减少了5%～20%,合成语音的MOS分比用5 bit的矢量量化(VQ)算法提高了0.03左右,达到了在节约比特数的同时也提高了语音质量的效果。

对分课堂教学模式与创新型人才的培养

传统教学模式强调知识的单向流动,不利于创新型人才的培养。对分课堂是对传统教学模式的反思和革新,它强调把老师的讲授与学生的自主学习结合起来,一半时间用于教师讲授,一半时间用于学生讨论,突出课堂讨论过程。对分课堂重新设计了教学方法、优化了教学内容、再造了教学流程,从而提升大学生学习的积极性,有助于创新型人才的培养和塑造。

院前急救空返原因分析

目的以上海市浦东新区三林分站院前急救数据为基础,结合各地院前急救空返数据,分析院前急救空返率高的原因,提出改进措施,将措施更好地落实推广,以减少浦东新区乃至全国各地有限的急救资源浪费。方法收集并统计浦东新区三林分站从2018年8月—2019年7月院前急救数据,分析调度出车次数、空返次数、空返原因并计算空返率。结果浦东新区三林分站2018年(8—12月)共计出诊量2 070次,空车量219次,空车率8.09%;2019年(1—7月)共计出诊量4 255次,空车量294次,空车率6.91%;造成救护车空返的原因有:半路空返、无人接应、车到人走、患者拒绝入院、无钱付费、其他等。结论高空返率造成的医疗资源浪费必须要加以重视,通过扩大宣传,普及急救知识,正确使用"120";建设布局合理的急救半径;建全完善的院前急救通信指挥系统;加强院前急救队伍的建设等措施,切实有效的降低救护车空返事件的发生。

浦东新区2012年城乡之间院外急救业务差异分析与探讨

目的分析浦东新区2012年城乡之间院外急救业务的差异，以更好提高院前急救服务质量。方法小样本抽取同一急救车组人员在2012年第2、3、4季度相关月份分别在杨思（城镇）、大团（乡村）地区的出车数据并比较分析。结果大团地区5月、8月、11月份总救治269人次，65岁以上者占36．4％，为最高，疾病谱前3位分别为：车祸（34．6％），神经系统（16．0％）及其他（14．5％）。杨思地区6月、9月、12月份总救治493人次，65岁以上者人数最多，占54．6％，疾病谱前3位分别为：神经系统（20．9％），其他（17．0％）及车祸（10．5）。结论浦东新区城乡之间院外急救差异较大，在分站建设、人员及配置等方面应各有侧重，并与区域医院相结合，积极探讨建立相关疾病医疗急救体系，整合医疗资源，最大化提高医疗效率和医疗质量。

上海浦东新区2起重大交通事故院外急救

近年来，随着我国社会的进步和城市交通的日益发展，高速公路的建设也突飞猛进，交通事故已成为严重威胁人类生命的第一大公害，而高速公路交通事故一次性伤亡人数往往更多、程度更重。院外急救体系在整个医疗服务体系中具有十分重要、独特、不可或缺的地位和作用，

生活图画帧帧美

[小引]不少同学为写不好作文而犯愁,“没有写的”,是他们的口头禅。其实,作文的材料到处有:自我是作文的材料,友情是作文的材料。

恰当描写,让“文中有戏”

【小引】要放假的时候,唐敏里同学交来了一篇题为《烤香肠》的作文。从文中,我看到了儿童活泼、淘气、真纯、可爱的形象,体味到了小作者留恋童年生活、喜爱童年生活的感情。可是,这种“形象”,不鲜明,不生动,是模模糊糊的;这种“感情”,不浓郁、不突出,是朦朦胧胧的。这是因为作文缺乏恰当描写的缘故。

奇事三则

蛇鼠大战我当知青的时候,目睹了一场蛇鼠大战。那年,我下乡的生产队老鼠特别多,快要成熟的庄稼被老鼠糟蹋得不成样子。正当人们急得没办法的时候,不知从哪里来了一条浑身是铜钱花纹的大蛇。队里的人几乎都看见过它吃老鼠,鼠害一下减轻了许多。人们认为它是蛇神,说等到端午节的时候。

事物会说话,你听到听清听懂了吗

【小引】事物会说话,它们在不断地讲述着自己,讲述着自然,讲述着哲理,可是,你听到事物说的话了吗?听清事物说的话了吗?听懂事物说的话了吗?多数同学作文时,常常苦于找不到材料,没有东西可写。没有听到、听清、听懂事物说的话是重要原因之一。怎样听到、听清、听懂事物说的话呢?观察。说到观察,有同学说,不就是睁开眼睛看吗,这谁不会!我每天都在看,为什么还是找不到作文的材料呢?观察当然是要"睁开眼睛看"的,然而,又不只是"睁开眼睛看"的问题。首先,是要看清,看细,看真!请看下面这篇作文。

心声破译能帮你走出“没啥可写”的困境

小引说起作文,同学们常常感到没啥可写,即使写出来了,也只有干干巴巴的几条筋,无法叩开作文成功之门。个中原因之一,是同学们平时没有注意破译心声,迷失了作文的一片广阔的天地。啥叫心声破译?怎么破译?请看实例。

端着金碗讨饭为哪般?

说到作文,不少同学感到没啥可写,课文里捡几片叶,作文选里扯几根草,乱凑一气。真的没啥可写吗?不!他们是在端着金碗讨饭!也许有同学会说,金碗?我有金碗?在哪儿呀? 读下面的文章吧,读了你就知道了。

“破格”之忧

一批有重大贡献的青年科技工作者被破格晋升,引起报纸、电台、电视台好一阵热闹,赞扬这有利于激发青年科技工作者的热情,有利于调动他们的积极性等等。仿佛这是天大的好事。而这,却引起了我深深的忧虑。我绝不是认为这些青年科技工作者被破格晋升是坏事。用人,最可贵的就是不拘一格。

亡羊补牢 为时晚矣

俗话说:“亡羊补牢,为时不晚。”“亡羊补牢”,真的“为时不晚”么?不!羊丢了,才去补牢,就算补得万分结实,并且再也不会亡羊了,可已经丢失的羊儿呢?能补回来吗?报载,四川射洪的程远润等人经营假稻种,使2400亩稻田减产,直接经济损失达17万元。事后,逮捕的逮捕,处分的处分,罚款的罚款,算是“补’了“牢”,可是,那“亡去的肥羊”——17万元呢?却是永远“亡”去了。“亡了羊”才去“补牢”,付出了何等沉重的代价啊!

一副柏木棺材和一对绣花枕头

棕索流泪茅花界是一道天然的屏障，将慈利与桑植两县南北自然分割，蜿蜒曲折的娄江在经过茅花界下时着意绕了一个大湾，形成一个大河套，成为龙状的深潭而得名龙潭湾，是交通闭塞，贫穷落后的土家族聚居区。

基于频域和时域结合的基音周期提取算法

基音周期提取是语音编码和语音识别领域的一项重要研究课题。为了解决传统的自相关方法容易出现的半频倍频错误,提出了基于时域和频域分析的提取算法。该算法首先提取时域自相关值最大的若干个候选值;然后统计每个候选值对应的频域上所有相邻两个谐波能量和的最大值,用来对其自相关值进行加权;最后根据历史的基音周期值以及候选基音周期所对应的频域能量值对加权值进行修正。使用Keele数据库进行测试表明,使用该算法后基音周期提取的半频倍频错误率比传统算法下降了50%左右。

基于码字特征的多模式多级矢量量化算法

为提高声码器中线谱频率参数多级矢量量化的性能,提出了一种根据码字特征进行分模式量化的算法。该算法首先根据下一级量化误差最小化的准则,通过训练得到本级代表模式信息的码字(码字数目为模式数目);然后统计与各个码字相对应的输入矢量占总矢量的比重,继而得到各模式码字所分化的码字个数;最后根据该分化方案训练得到本级所有码字并确定码字与模式的对应关系,从而进行分模式量化。测试结果表明:相比于根据本级码字索引平均进行模式分配的简单方案,该算法可以使平均谱失真(ASD)降低0.05 dB,而平均意见得分(MOS)提高0.02左右。

多矢量多模式量化中码本尺寸联合优化算法

为了在基于模式的矢量量化中得到更好的量化效果,提出了一种有效的各模式码本尺寸分配算法以逼近全局最优。该算法对于各个模式分别计算每一种码本尺寸所带来的量化失真,在所有模式码本尺寸之和受限的条件下,寻找所有量化失真之和最小的码本尺寸分配方案。结果表明:该算法在运算量和存储量基本不变的情况下,可以有效地降低量化失真,提高量化精度,合成语音平均意见得分(MOS)提高0.02左右。

结合信源和信道的多级矢量量化联合优化算法

针对传统的信源优化多级矢量量化抗误码性能较差的问题,提出了一种结合信源和信道的多级矢量量化码本联合优化算法。该算法将码本联合优化与非等重信道保护相结合,充分利用多级矢量量化中各级码字之间的相互作用关系和非等重信道保护的特性,对各级码字进行非等重误码率的迭代优化来降低整个系统失真。在低速率语音编码中线谱频率参数的仿真测试表明:与信道优化的多级矢量量化独立码本和非等重信道保护相结合的方案相比,在8%误码率信道下该算法线谱频率参数的平均谱失真降低了0.1dB;与等重误码率的码本联合优化方案相比,在各种误码率信道下该算法线谱频率参数的平均谱失真都有明显降低。

带有级间预测的LSF矢量量化多级码本联合优化

语音编码算法中线谱频率(LSF)参数的量化极其重要。该文针对带有级间预测的线谱频率参数多级矢量量化算法,提出了一种多级码本之间的联合优化算法。每次迭代时,先将训练矢量对码字进行聚类,固定除当前级码本外的其他各级码本,利用加权均方误差最小原则更新当前级码本。直至达到一定的迭代步数或者两次迭代之间量化误差降低小于一定阈值,停止迭代。在一种300 b/s声码器上进行测试,结果表明该算法能够有效降低LSF参数的量化误差,从而提高合成语音的质量。

基于SELP的150b／s语音压缩编码算法

针对极低速率语音压缩编码中比特资源有限，量化精度严重不足的问题，该文提出了一种新的编码策略——减少量化传输的内容，提高重要内容的量化精度。语音经过低通滤波器将最不重要的3～4kHz频谱滤掉，并相应的将采样率从8kHz降低到6kHz，同时保持每帧样点数不变。这样各个参数的联合帧数就减少为原来的3／4，在比特数不变的情况下，可以有效地提高量化精度。另外，对于线性预测系数（1inearpredictioncoefficient，LPC）而言，由于语音谱从原来的0～4kHz变为现在的0～3kHz，LPC的预测阶数可以从10降低为8，参数维数降低，量化精度可以得到进一步提高。在此框架下，结合子带清浊音（band-passvoi-cing，BPVC）解码端恢复算法，实现了高质量极低速率150b／s语音压缩编码算法。与现有的两种150b／s算法相比，客观平均意见得分（meanopinionscore，MOS）分别提高了0．051和0．067，同时LPC参数的谱失真分别降低了0．09和0．16，改进了合成语音质量，提高了可懂度。