轻量化端到端语音指令识别模型研究

针对智能家居中小词表语音指令识别应用场景的模型小尺寸和低延时的需求,设计了两种轻量化的基于神经网络和连接时序分类算法(CTC)的中文端到端语音指令识别模型。通过精简网络层数和结构实现模型轻量化,引入CTC算法实现以汉字字符作为建模基元的端到端训练和解码,解决数据预对齐问题。最终在公开数据集Aishell-I和自制语料数据集上进行比较,最终得出CNN-CTC模型以350 kB的模型大小、5 ms的运行速度、5.02%的字错率、92.0%的意图命中率综合评价后,更适用于小词表语音指令识别应用场景。

智能流媒体视频服务系统

随着多媒体和网络技术的发展,网络视频服务变得越来越重要。该文介绍的智能流媒体视频服务系统,以研究流媒体技术与MPEG技术的融合为基础,提供了一个包括内容制作,内容描述,内容管理,资源检索,内容发布,版权保护的统一的网络视频应用服务智能一体化解决方案。文章简要介绍了系统的结构设计,以及可扩展编码及自适应流传输,智能视频检索,视频水印等涉及的关键技术的实现方法。

根据最佳预测模式概率进行帧内预测的快速方法

为了减少视频编码中帧内预测的计算量 ,提出一种称为AOPDE的快速算法 该算法利用H 2 6L中帧内预测编码的最佳预测模式概率模型来自适应调整预测过程 ,结合PDE方法 ,达到加快帧内图像编码速度的目的 基于H 2 6L参考模型TML8的实验结果表明 。

基于精细可扩展编码的多视角视频编码研究

多视角视频几倍于目前普通视频的数据量,如果不采用有效的压缩编码技术,其有效的传输和存储将是不可能的,也成为制约多视角视频广泛应用的瓶颈.因此,进行高性能多视角视频编码技术的研究是十分必要的.尤其是随着网络的发展,能提供交互的多视角视频技术越来越受到关注.如何有效地通过网络传输多视角视频信号的问题显得更加重要.针对这一问题,采用精细可扩展编码(FGS)的思想设计了多视角视频编码器.实验表明,方案在保证了高编码效率的同时能较好地解决多视角视频的网络传输问题.

基于偏度-峰度检验的无线局域网室内定位算法

针对室内无线局域网环境下接收信号强度(RSS,received signal strength)样本总体分布不一致而产生较大定位误差的问题,提出了一种基于偏度峰度检验的室内定位算法。利用偏度峰度检验法检验RSS样本是否来自正态总体,接受零假设的样本用正态分布近似其总体分布,拒绝零假设的样本用核函数估计其概率密度。实验结果表明提出算法的定位精度比传统算法提高15%以上,而且在相同的定位精度下,能明显降低离线阶段的工作量。

零知识水印验证协议

在数字产品中嵌入数字水印,是对其进行版权保护的一种有力手段.近年来提出了不少数字水印方案,但是它们中大部分都是对称的,即用于水印嵌入和水印检测的密钥是相同的.而许多实际的应用都要求非对称的数字水印方案,即水印检测时所知道的秘密不足以修改、伪造或移去水印.对基于比特承诺和零知识证明的水印验证协议进行了研究.所有权证明者采用基于扩频的对称水印技术,在宿主信号中嵌入水印;水印检测的密钥采用比特承诺的形式提交给验证者,通过证明者和验证者之间的交互协议,验证者可以提取到所嵌入的水印,但无法修改、伪造或移去水印.分别提出了验证一个和多个水印比特的协议,可应用于验证嵌入在图像、音频和视频数据中的扩频水印.

一种分像素运动补偿插值滤波方法及高效VLSI实现

现代视频编码标准普遍采用变换与运动补偿预测混合型编码架构,该架构对运动补偿预测后的残差图像和运动矢量等信息进行变换编码,运动补偿预测的准确度对编码性能有显著影响.由于实际对象的运动精度是任意小的,允许运动矢量具有“分像素”精度,可以有效地提高运动补偿预测准确度,为了得到“分像素”位置的像素值,需要参考其周围相邻的像素值进行插值滤波.文中提出了一种低空间复杂度1/4像素插值方法两步四抽头插值法(Two Steps Four Taps Interpolation,TSFT),该方法与目前国际上最先进的视频编码标准H.264/AVC相比,可以降低11%的空间复杂度,计算复杂度和编码效率相当,已经被国内制定的编码标准AVS1.0采纳.另外,分像素插值是解码端主要的访存和计算瓶颈,文中给出了一个基于多级流水线结构的VLSI实现结构,可以降低访存带宽,同时提高插值器的运算速度,满足高清视频实时解码的需要.

政府大数据治理的挑战及对策

大数据是城市智慧的"来源",利用好大数据可以有效缓解或解决城市发展中的诸多问题。政府部门掌握的大数据关系国计民生,与公众生活息息相关,是高价值密度的数据,如何治理和利用政府大数据,是智慧城市建设的核心问题之一。以宁波市政府大数据为例,阐述了政府大数据治理面临的挑战,包括政府数据内部共享的需求和障碍、政府数据对外开放和利用的问题等,同时给出了相应的对策及建议。

无线实时多媒体通信系统

文章设计了一个面向无线应用并综合了实时MPEG-4编码、传输和解码的多媒体通信系统,该系统融合了高级视觉中心编码技术和综合抗误码方法,在高误码的无线信道环境下,提高了解码视频的主客观质量。

MPEG-4视频编码的并行实现

该文采取不同的方式探讨了MPEG-4视频校验模型的并行资源,以实现MPEG-4视频的实时处理。首先简要介绍了现有的几种调度策略,如模块并行策略、组调度策略、基于GOV的调度策略、基于VOP的调度策略等;在数据划分方面,对现有的几种数据划分方式(传统数据划分方式、殆正方形方式、形状自适应方式等)做了介绍。

民族运动康复技术在戒毒人员中的开发与应用

目的:探究运动干预对戒毒人员体质健康和心理健康的作用,并为疫情防控常态化下对戒毒人员科学运动戒毒提供参考。方法:开发民族运动康复技术(壮功操),征求戒毒所200名男性戒毒人员,对其进行10周的运动干预,测量其干预前后的心率、国民体质检测、SCL-90和医学相关指标监测。结果:戒毒人员的心率恢复速度有着明显加快,国民体质监测中单脚闭眼站立、台阶指数、肺活量等明显提高(P < 0.05),对降低抑郁、焦虑、强迫症有显著性差异(P < 0.05),血液检查指标有显著性差异(P < 0.05)。结论:壮功操的运动干预可以显著改善戒毒人员的身体素质,改善其负面心理症状,能为少数民族戒毒人员的疫情防控下运动干预提供理论基础和可行性探索。

数字图书馆的数字对象体系结构

介绍了数字图书馆的数字对象体系结构 ,它提供对分布式数字对象的持久保存、安全访问、管理以及索引服务 ,它的组成部分有 :名录服务系统、仓储服务系统、索引服务系统和用户接口网关 .名录服务系统在整个Internet范围内为用户提供安全的名录解析和分布式的句柄管理服务 .仓储服务系统的基本存储单元是数字对象 ,整个系统就是为了如何存储、访问、管理数字对象而设计的 .索引服务系统进行资源发现 ,从而使用户能够很容易地从馆藏中寻找和发现所需的对象 (内容 ) .用户接口网关提供以人为中心的数字图书馆功能入口点 .

一种基于MP4文件的视频流关键帧索引播放方法

视频内容一般具有数据量大的特点,随着网上视频内容的增多。用户需要一种基于关键帧的视频内容快速预览播放方法,来更快更准确地找到自己感兴趣的内容。文章提出的方法通过在符合MPEG-4标准的MP4文件中加入预览索引轨道的方式来组织预览数据,然后通过对RTP头中时间戳的修改来流化预览数据,最后通过SDP来描述预览索引轨道,实现了对视频流中一组时间间隔不固定的关键帧的连续索引播放。本方法虽然主要针对MP4文件格式,但由于采用了RTP、SDP等协议而具有一定的通用性。

H.264片上高速可变长解码器设计

可变字长编解码是H.264标准中的一项重要技术,本文设计了一种基于H.264标准的高速可变字长解码器。设计上采用自顶向下的设计方法,首先进行系统结构设计,根据码流特点进行硬件结构划分,尽可能多地进行并行解码,采用桶形移位器。并用C语言设计了系统模型,由C模型为RTL的仿真提供测试向量,在设计的各个阶段都进行了仿真,以保证每个阶段设计的正确性。该模块已通过FPGA验证,并用0.18μm的SMIC工艺库进行DC综合,电路规模约1.4万门左右,最高频率可以达到200MHz,可对H.264高清码流进行实时解码。

基于运动场无序度的快速块模式选择算法

针对H 2 6 4的多模式运动估计 ,引入运动无序度的概念来刻画当前宏块的运动混乱程度 ,通过理论和实验统计分析 ,建立了无序度和最优块模式之间的关联模型 基于该模型 ,提出了一种基于当前宏块运动场无序度的块模式判定算法 (FastModeSelectionalgorithmbasedonChaosDegreeofMotionField ,CDMF FMS) ,最后的实验结果表明 ,该算法在基本保持原来参考软件编码性能的基础上 ,整体编码时间平均减少 2 0

低比特率视频编码中一种有效的码率分配算法

引入能较好地反映视频图像运动特性的差分帧直方图(HOD)来预分配码率.对于运动较为平稳的序,提出了基于HOD的分段常数码率预分配算法.帧级码率预分配根据视频原始序列HOD的统计特性来决定;对于运动程度变化较大的序列,采用修正后的线性HOD模型来预分配码率.实验结果表明,相对于H.264 JM76中的分配算法,该算法使得R-D性能平均提高0.35 dB,视频主观质量的下降也得到了有效的改善.

虚拟演播室系统在广播电视工程领域的应用

介绍虚拟演播室相关内容,包括虚拟演播室的系统架构、应用领域等,重点介绍虚拟演播室系统的功能设计及技术基础,探讨虚拟演播室系统在广播电视综艺节目、新闻报道、体育赛事直播等领域的应用,提高广播电视工程的质量和效率。

地面数字调频广播关键技术及应用

全面分析地面数字调频广播的概念、优势、关键技术和应用情况,重点介绍国内外数字广播系统的应用情况,深入探讨地面数字调频广播的相关技术和应用,以期为广播业数字化转型提供参考。

图形终端应用协议中计算密集型操作的分布技术

为了有效地解决图形终端应用协议中如多媒体播放等计算密集型图形操作影响终端服务质量的问题,文中分析了终端应用协议中的多媒体播放过程,通过服务器和终端之间对多媒体处理能力的协商。

混合视频编码控制中一种新的自适应Lagrange乘数选取模型

目前广为采用的Lagrange乘数选取模型λ=cQ2(平方模型SM)是在基于乘数λ为独立于失真D和比特率R的常数这一假定而得出的·但实际上根据实验观察和理论分析可知,相对于D和R乘数λ不能看做是独立的常数·基于这一命题,从理论推理的角度提出了新的乘数模型(二次函数-对数模型QLM)·该模型相对于平方模型,理论上更为合理,而且实验分析也表明,采用该模型后R-D性能得到了提高(平均提高0·03dB),从而证明了所提模型的合理性·