基于人工智能的播音自动识别系统设计

目前的播音自动识别系统对含有干扰信号的音频识别能力较差,导致识别准确率较低,因此文中基于人工智能设计了一种新的播音自动识别系统。系统硬件由VS78型号的主机、结构框架解调设备、信号接收机、芯片以及TI处理器组成,广播自动识别系统的工作需求采用HI89型号的芯片。软件包括关键词处理程序、音频处理程序、自动识别程序。通过实验验证设计系统的有效性。实验结果表明,基于人工智能的播音自动识别系统能够有效提高播音识别能力,增强识别准确率。

二阶收敛的光滑正则化压缩感知信号重构方法

目的压缩感知信号重构过程是求解不定线性系统稀疏解的过程。针对不定线性系统稀疏解3种求解方法不够鲁棒的问题:最小化l_0-范数属于NP问题,最小化l_1-范数的无解情况以及最小化l_p-范数的非凸问题,提出一种基于光滑正则凸优化的方法进行求解。方法为了获得全局最优解并保证算法的鲁棒性,首先,设计了全空间信号l_0-范数凸拟合函数作为优化的目标函数;其次,将n元函数优化问题转变为n个一元函数优化问题;最后,求解过程中利用快速收缩算法进行求解,使收敛速度达到二阶收敛。结果该算法无论在仿真数据集还是在真实数据集上,都取得了优于其他3种类型算法的效果。在仿真实验中,当信号维数大于150维时,该方法重构时间为其他算法的50%左右,具有快速性;在真实数据实验中,该方法重构出的信号与原始信号差的F-范数为其他算法的70%,具有良好的鲁棒性。结论本文算法为二阶收敛的凸优化算法,可确保快速收敛到全局最优解,适合处理大型数据,在信息检索、字典学习和图像压缩等领域具有较大的潜在应用价值。