基于小波包倒谱系数和ECAPA-TDNN的调度说话人确认研究

电力调度通话过程不可避免地伴随有噪声的干扰,现有模型在干净条件下识别性能表现良好,然而在噪声条件下识别准确率迅速下降,这降低了指令下达的识别率和安全性。为提高调度说话人确认系统的抗噪性能和深层动态特征提取能力,提出一种基于小波包倒谱系数和强调通道注意、传播和聚合的时延神经网络的说话人确认模型。在Mel倒谱系数的基础上将快速傅里叶变换更换为小波包分解,加入倒谱均值方差归一化和delta、delta-delta系数,并将模型的输入改为小波包倒谱系数。在TIMIT数据集上实验结果表明,其抗噪性和识别成功率相较于传统模型有不同程度的提升。

基于“水-能”关联的河南省农业灌溉过程的碳排放研究

【目的】从资源耦合的视角揭示农业灌溉过程的碳排放机理。【方法】首先对河南省48个典型村庄不同作物灌溉过程的碳排放进行了核算,然后对河南省县域空间农业灌溉碳排放进行了模拟,并对县域单元的碳排放效率进行了类型区划分。【结果】河南省农业灌溉过程的碳排放呈现较大的区域差异和作物差异。在空间上,河南省农业用水量呈南高北低、西高东低的态势,而灌溉耗能量与碳排放量呈北高南低、东高西低的态势,因此,农业灌溉过程的碳排放量与用水量关联度较低而与耗能量关联度较高;在作物类型上,河南省小麦的灌溉碳排放强度为105.3kg/hm^2、玉米的灌溉碳排放强度为99.5 kg/hm^2、花生的灌溉碳排放强度为73.9 kg/hm^2。河南省小麦和玉米的灌溉碳排放强度呈西高东低、北高南低的态势;花生的灌溉碳排放高强度地区主要集中于黄河流域以及淮河流域,而南阳市南部地区以及周口市的花生碳排放强度较低。基于农业灌溉碳排放效率的高低,将河南省分为4类地区:低碳排放效率区(C<40 t/t)、中碳排放效率区(40<C<100 t/t)、较高碳排放效率区(100<C<240 t/t)以及高碳排放效率区(C>240 t/t)。【结论】建议未来对不同地区灌溉方式进行差别化管理,针对不同地形、气候和作物种植区,应结合水资源可获得情况确定合理的灌溉方式,以减少灌溉过程中的水能消耗与碳排放。