一种基于清浊音分类和参数冗余的语音差错隐藏算法

为避免信道误码条件下低速率编码语音质量的严重恶化,提出了一种针对MELP语音编码的差错隐藏算法。在利用一阶马尔可夫模型描述帧间参数转移概率的基础上,算法构造了帧内增益与分带清浊音判决参数之间的转移概率;在语音合成时,提出了基于最大似然(ML)的清浊音分类模式保护;并对清音帧和浊音帧采用不同的参数重构方案。将算法与近年来针对MELP的两种差错隐藏算法进行了比较,测试结果表明在10^(-2)量级的随机误码的条件下,算法具有更好的差错隐藏性能。

机器人几何参数标定误差模型对定位精度影响研究

机器人几何参数误差是影响机器人定位精度的主要因素,通过对几何参数标定能够有效提高机器人定位精度。为了解决机器人在标定过程中的奇异性问题,采用改进的Denavit-Hartenberg(MDH)方法建立机器人几何参数模型,根据微分误差原理分别建立了机器人几何参数标定位姿误差和位置误差及姿态误差模型,并通过对几何参数冗余性分析及采用Levenberg-Marquardt(LM)算法辨识几何参数误差,研究不同误差模型对机器人定位精度影响。实验结果表明:采用位姿误差模型对机器人几何参数标定后其末端位置和姿态精度均能提升约75%,适于在有高精度定位要求的机器人中推广应用。

工业机器人误差补偿及冗余参数研究

针对现有工业机器人定位精度较低,提出了通过机器人运动学标定对误差进行补偿的方法。基于D-H运动学模型和微分变换法建立机器人位姿误差模型,然后对误差模型进行冗余参数分析,消除冗余参数得到可辨识的线性方程,最后用迭代最小二乘法进行求解,修正几何参数进而提高机器人定位精度。通过在自主研发的机器人上试验验证,该方法补偿效果明显,增加了参数辨识的准确性和鲁棒性,为机器人标定技术的发展奠定了一定的基础。

约束冗余参数模型预测控制及其在热交换过程中的应用

在系统阶跃响应的基础上 ,根据最小绝对误差准则 ,用一个具有少量冗余参数的模型逼近实际系统的阶跃响应 ,提出了一种有约束冗余参数模型预测控制算法 .由于冗余参数模型的参数比非参数模型少得多 ,多步预测和滚动优化的计算量大为减小 .为了校正模型逼近带来的误差 ,引入了PID反馈校正环节 ,从而有效地克服了模型误差的不利影响 .最后利用热交换过程的阶跃响应数据进行了计算机仿真研究 。

基于距离误差的机器人参数辨识模型与冗余性分析

为避免机器人运动学参数辨识过程中,测量坐标系与机器人基坐标系之间繁琐的坐标变换,首先利用关节旋量的空间几何特性,提出了基于伴随变换的距离误差模型。其次,针对距离误差模型中可辨识参数的冗余性,通过辨识雅可比矩阵的零空间分析,确定了可辨识参数的数目与误差测量方式之间的关系。确定了绕对应关节旋转的测量方式和相对初始位形的测量方式下可辨识参数的数目。最后,对KUKA you Bot机器人的运动学参数辨识进行了实验研究,实验结果验证了距离误差模型的有效性和参数冗余性分析的正确性。

多自由度机器人参数标定及冗余参数剔除方法

为提高现有机器人末端位置的定位精度,文中提出一种基于D-H参数标定的冗余参数剔除方法。对一般多自由度机器人的雅克比矩阵列向量相关性进行分析,将得到列向量相关性关系式中相关性系数绝对值最大项对应的参数作为冗余参数剔除,该剔除方法可以保证参数辨识的可靠性,提高定位精度。在该方法进行冗余性参数分析的基础上进行后续标定,可获得更好的收敛性。

基于大数据的深度卷积神经网络冗余参数优化算法

针对冗余参数占用较多网络存储空间的问题,提出一种基于大数据的深度卷积神经网络冗余参数优化算法。根据大数据的特点来确定冗余参数特点,由此构建基于大数据的深度卷积神经网络模型。计算属性数据集合的冗余参数熵,以熵值为依据压缩冗余参数。通过梯度下降的方式训练深度卷积神经网络参数,确定冗余参数拥塞程度,控制数据冗余拥塞队列,以此完成冗余参数优化。由实验结果可知,该算法所占网络存储空间最小为2 GB,参数可用效率最高可达92%,具有良好的优化效果。

综合负荷模型的电动机参数独立性分析和主导参数选取

近年来,基于主导参数选择的参数实时辨识策略成为提升辨识效率的一个重要研究方向。在负荷辨识领域,综合负荷模型得到了广泛应用,由于这一模型中电动机参数的复杂性,已有文献的主导参数选取策略往往采用灵敏度仿真方法,然而,灵敏度分析依赖于基准参数、扰动形式以及运行状况,难以反映出参数之间的相互影响,也缺乏有效的理论依据,因此存在较大的局限性。针对综合负荷模型主导参数辨识问题,首先分析了其参数的独立性,推导了独立参数集和常规参数集之间的关系。然后,根据电动机参数的内在特性,对模型参数进行了合理的简化,提出了一种独立参数个数更少的简化模型,以进一步减少主导参数个数。相比已有文献,文中从机理上对综合负荷模型的主导参数选择进行了分析,并通过仿真算例验证了分析结果的正确性。

基于权重活性评价的循环神经网络模型

针对LSTM等循环神经网络存在着结构复杂和参数冗余等问题,对循环神经网络的结构做了相关的研究和分析,提出一种权重活性评价算法,对网络的基本单元进行活性评价和结构的筛选,以提高循环神经网络的结构合理性,降低网络参数的计算量。通过对心律失常数据的实验与测试,分析LSTM网络权重活性的差异以及权重与梯度的变化特征,实验结果表明,运用该算法能够较好地优化循环神经网络的结构,并降低网络参数的冗余。

非线性半参数统计模型估计函数的几何方法

将非线性半参数统计模型的概率密度函数族视为统计流形,利用微分几何方法,建立非线性半参数统计模型相对应的Hilbert空间,进而研究非线性半参数统计模型的估计函数问题.利用两类得分函数张成的子空间对Hilbert空间进行正交分解,进而讨论估计函数所在的集合,以及如何选取最优估计函数的问题.最后,通过实例分析来验证此方法的有效性.

TD-SCDMAHSDPA系统中HARQ参数优化

混合自动重复请求(HARQ)作为TD-SCDMA高速下行分组接入(HSDPA)系统中的一项关键技术使数据传输向更可靠的阶段发展。文章首先介绍了HARQ的机制类型和功能结构,并由此阐述了设置冗余版本(RV)参数的目的和作用,然后通过链路仿真分析提供了系统实现时RV参数的选择和优化方案。

改进TCN算法在人体跌倒检测中的应用

为提高跌倒检测的准确率,解决传统RNN和CNN训练模型复杂且易产生梯度爆炸现象的问题,提出一种改进的时间卷积网络(TCN)算法。借鉴ResNet恒等映射的思想对残差结构进行改进,将激活函数改进为Leaky ReLU,减少神经元坏死的现象,为避免参数冗余造成模型过拟合问题,选用全局平均池化层代替全连接层实现分类。实验结果表明,该算法判断准确率达到99.4%,较改进前提高了10.51%,与其它已有算法相比准确率提高了2.68%~3.63%,能够准确检测出跌倒行为,对于及时识别老年人跌倒并报警,预防因发现不及时致残致死,具有较高的实用价值和社会价值。

基于统一装配模型的模架设计技术研究

对通用注塑模具的典型模架结构进行深入分析,提出标准模架的统一建模方法,即利用冗余控制参数控制标准模架中模板的抑制与显示以及相关组件的尺寸变型实现模架统一建模,并研究了基于统一装配模型的模架设计技术.通过控制表达式、模板特征构造、自顶向下的模架装配构造、虚拟的装配定位关系、基于属性的部件识别等技术,开发出利用冗余控制参数实现模架变型设计的模架装配系统,从而实现基于统一装配模型的模架自由变型设计.

锅炉运行模式识别方法及应用

运行能损模式识别是实现锅炉运行经济性诊断的一项基础性内容。该文研究的主要目的在于建立一种基于人工智能理论的锅炉运行模式在线识别方法。文中对锅炉运行模式的表达、运行模式特征向量的构成、模式识别方法及其应用等相关内容进行了研究,并针对锅炉运行能损模式识别的固有特点, 提出了运行模式广义特征向量和冗余特征参数等基本概念。在此基础上, 建立了基于自组织特 征映射网络(SOM)的锅炉运行模式识别模型。该文的研究结果表明:① 所建立的模式识别模型可以对锅炉的主要运行能损进行有效识别; ② 通过构造广义特征向量可以避免运行工况变动对模式识别效果的影响; ③ 冗余特征参数的引入能够明显提高模型对运行模式的识别能力。文中通过电站锅炉受热面污染及系统漏风等能损模式识别的实例证实了上述方法的有效性。

轻量非对齐卷积神经网络模型探索

本文提出了一种轻量非对齐卷积神经网络模型的探索方法,探讨了现有卷积神经网络(CNN)模型中网络的参数数量与性能的关系,针对现有模型存在参数冗余的问题,给出了带有参数控制的解决方案.首先,分析了经典CNN模型的网络结构,并将其标准化表示为基于最小计算单元的模型结构;基于此进行比较分析,总结了近年来网络模型存在的问题和调整的趋势.其次,提出了一种轻量非对齐卷积神经网络模型的探索方法,该方法能够基于一组概率参数对模型参数数量进行控制,并实现不同级别特征的深度融合.最后,以DenseNet-40模型为基础进行了实验分析,得出了以测试误差下降≤1%为代价能够削减掉≥50%模型参数的结果.

线振动下惯导平台参数辨识的实现

研究了软性连接条件下线振动试验辨识惯导平台陀螺参数的方法。由于在此条件下原始模型不便用于辨识参数,为此提出了平台漂移的平均模型。对比静态模型指出了线振动对模型参数辨识的实质作用。由于利用平均模型来辨识平台参数存在参数冗余的局限性,因此利用两组不同幅值的线振动试验数据来进行辨识。最后验证了这种辨识方案不仅避免了静态条件下高阶陀螺参数难以收敛的问题,同时也解决了平均模型中参数冗余的局限性问题。

基于GoogLeNet模型的剪枝算法

GoogLeNet包含多个并行的卷积层和池化层,极具表现力,但也导致其参数数量冗余和计算量大,解决该问题的根本途径是将网络稀疏化.剪枝算法通过训练网络、修剪低权重连接和再训练网络三步操作,只保留卷积层和完全连接层中的强相关连接,实现简化网络结构和参数数量的效果,获得近似的网络模型,不影响网络后验概率估计的准确性,达到压缩效果.传统计算方式不适合非均匀稀疏数据结构,所提出的阈值剪枝算法设定合适的阈值,将原始GoogLeNet模型中将近1040万参数减少到65万,大约压缩了16倍.原始网络在进行剪枝处理后,准确率会有所降低,但经过少数次迭代,网络的准确率与原始模型不相上下,达到了压缩模型的效果,验证了阈值剪枝算法对改进GoogLeNet模型训练过程的有效性.

磨损磨粒显微形态特征信息的优化提取

针对磨损磨粒特征信息复杂的特点,将参数敏感性分析、参数区分度分析以及参数冗余度分析方法,引入对磨损磨粒显微特征的提取优化中,提取对于磨粒特征信息有用的参数,降低了磨粒识别算法的复杂性,提高了识别分析效率,为磨粒分析与识别奠定了基础。

双截尾Tobit模型中的随机加权逼近方法

本文研究双截尾删失回归模型中参数的随机加权估计(RWE),获得了RWE的统计渐近性质,如相合性和渐近分布.本文证明了RWE在给定样本下的条件渐近分布与参数的最小绝对偏差(LAD)估计的渐近分布是一样的,则可以利用RWE的条件分布去逼近回归参数的LAD估计的分布,从而避免冗余参数的估计,如误差项的密度函数.另外,本文也提出了一个M检验统计量和随机加权M检验统计量(RWM)来检验参数的线性假设问题,建立了该检验的统计性质.数值模拟和实际数据分析结果表明所提方法是可行的.

一类函数型回归模型的局部扰动分析

本文对一类特殊的函数型回归模型,提出连续型局部扰动分析的概念;对自变量、因变量和权重函数等三种情形下的扰动分析,基于泛函优化理论,推导出扰动函数的表达式.作为应用,本文考虑常微分方程的统计诊断问题,发现了常微分方程两步估计的边界效应,从而为两步估计中权重函数的选取提供了理论基础;利用模拟和实际数据验证了统计诊断的有效性.