基于多通道压缩双线性池化的情感-原因句子对提取模型

提出一个基于多通道压缩双线性池化的模型,对文档中的候选情感-原因句子对进行排序。该模型利用图注意力网络提取包含位置信息的情感特定化表示和原因特定化表示,通过局部关系学习模块,进一步学习情感与原因句子之间的局部关系表示,再使用多通道压缩双线性池化来融合学习情感-原因候选句子对表示。最后,对候选句子对进行排序。实验结果表明,与最新模型相比,所提模型在多方面表现更优。

基于在系统可编程技术的实时多通道语音同步采集压缩卡研究

基于在系统可编程技术,在保证实时采集、编码多通道话音信号的同时,降低了硬件的复杂度,提高了整个系统的集成度和可靠性,改善了系统性能.讨论了在系统可编程技术在开发和应用中的关键技术和可靠性设计.

基于黑匣子的多通道语音压缩编码实现

语音信号的数字化传输,一直是通信的热点之一,随着电子与计算机技术的不断发展,采用低速率语音编码技术进行语音传输已成为可能,并在铁路、电力、军事以及第三代移动通信系统等领域中得到广泛应用。提出了一个基于TI公司的定点DSP芯片TMS320C5416和ITU-TG723.1双速率语音编解码算法标准的多路语音实时记录系统的实现方案。在对算法标准C源代码深入分析的基础上,根据芯片性能特征对算法的实现进行了优化,并给出了最终结果。

一种多通道语音采集压缩的驱动程序设计

针对多通道、大数据量的语音数据,介绍了一种采用TMS320C6205芯片的多通道语音采集压缩卡。通过自定义实时信号来进行多卡管理,运用内存映射技术解决大数据量的读写。本文在简述语音采集压缩卡的硬件体系结构的基础上,重点阐述了驱动程序中多卡管理和内存映射的实现。

时空稀疏贝叶斯的多通道降噪方法及在机械故障诊断中的应用

压缩感知利用与稀疏基相独立的观测矩阵将具有稀疏结构的高维度信号投影到低维子空间,对于信号的压缩和降噪有很好的效果,但是稀疏基以及稀疏系数矩阵的获得对于分析的结果有决定性的影响。稀疏贝叶斯学习(sparse bayesian learning,SBL)算法能极大地提高信号稀疏分解的精度,提出了一种改进的基于时空稀疏贝叶斯(Spatio-Temporal Sparse Bayesian Learning,STSBL)的多通道信号降噪算法。首先给出了多通道压缩感知理论模型,然后通过自适应过完备字典求取信号的稀疏基矩阵,最后提出基于STSBL的多通道理论模型获取多通道稀疏系数矩阵,从而实现多通道机械故障信号的有效降噪以及特征成分的精确重构。分别通过数值仿真实验和实测风力发电机轴承内圈故障信号进行分析,结果表明提出的方法有很好的降噪效果,同时能成功地提取信号的故障特征信息。

一种基于多通道WDRC算法的护耳语音处理加速器

长时间的大声聆听增加了人们出现不可逆听力受损的风险.为更好预防因长时间大声聆听而造成的听力受损问题,本文基于优化的多通道宽动态范围压缩(WDRC)算法实现了一种主动护耳的护耳语音处理加速器.相比于传统WDRC算法,该加速器将输入音频声压级作为WDRC算法的输入参数,并对输入音频进行压缩处理.输入语音按照梅尔尺度被分为16个通道.在每一个通道内响度过大的输入语音会被压缩,压缩处理后的语音信号经综合滤波器组合成,ΔΣ调制器处理后以脉冲密度调制(PDM)的形式输出.测试结果显示对于不同频段较高声压级的语音输入产生了较好的声压级控制效果,实现了对输出语音声压级的实时控制.

LungNet:一种用于肺肿瘤分类的深度学习框架

肺癌是世界范围内发病率和死亡率最高的恶性肿瘤之一.组织病理切片的检查是病理学家用于评估肺肿瘤类型最可靠的方法.然而深度学习在医学影像分析领域的飞速发展和广泛应用,暗示了放射学数据在进一步描述疾病特征和风险分层方面的有效性.本文基于计算机断层扫描(Computed Tomography,CT)数据,提出了一种LungNet框架用于对良性肺肿瘤、恶性肺肿瘤和感染性病变的分类.该方法将小波池化(Wavelet Pooling)和多通道空间压缩激励(Multi-channel Spatial Squeeze and Excitation,Multi-SE)引入到CNN模型中,利用小波池化代替传统的下采样以减少细节特征的损失,并结合多通道空间压缩激励模块增强各通道之间的依赖性,提高模型学习有效特征的能力.此外,我们在LungNet中融合了放射组学特征,进一步探讨了放射组学特征、深度学习和模型预测结果之间的潜在关系,从而增强模型的可解性.我们在西南医科大学附属医院接受手术治疗的1039名肺癌患者的数据集上训练并测试了LungNet框架,重点关注了良性肺肿瘤和恶性肺肿瘤的分类性能.实验结果表明,LungNet对恶性肺肿瘤识别的AUC达到了0.9795,从而为临床医生提供辅助性诊断.

A Novel Multichannel Audio Signal Compression Method Based on Tensor Representation and Decomposition

Multichannel audio signal is more difficult to be compressed than mono and stereo ones.A novel multichannel audio signal compression method based on tensor representation and decomposition is proposed in this paper.The multichannel audio is represented with 3-order tensor space and is decomposed into core tensor with three factor matrices in the way of channel,time and frequency.Only the truncated core tensor is transmitted which will be multiplied by the pre-trained factor matrices to reconstruct the original tensor space.Objective and subjective experiments have been done to show a very noticeable compression capability with an acceptable output quality.The novelty of the proposed compression method is that it enables both high compression capability and backward compatibility with limited signal distortion to the hearing.

基于气体高次谐波的高亮度超快相干极紫外光源的研发

高平均功率、高峰值功率是超快激光技术发展的重要趋势,也是拓展其应用范围的关键。利用超高重复频率光纤激光器,开发了两套腔外脉冲再压缩模块,通过气体高次谐波技术,获得了高亮度超快相干极紫外光源。结合三维强场近似理论模型,分别从实验和理论上对驱动脉冲能量和脉冲宽度、气体种类、气体压强以及Z方向上的光场耦合情况等重要相位匹配条件进行了系统的研究。在500 kHz重复频率的驱动下,获得了高亮度的21~40 nm高次谐波信号,各阶次谐波信号的光子数通量均超过1.6×10^(10)photon/s,最强阶次谐波为第35阶谐波(29.4 nm),其光子数通量为1.8×10^(12)photon/s,能量转换效率为5×10^(-7)。基于该实验线路,进一步优化驱动脉冲宽度和脉冲能量,并结合毛细管气体单元,可实现更短波长(约为10 nm)的高亮度超快相干极紫外光源,为纳米结构成像、原子分子和新型材料表面超快动力学过程、极紫外波段光学元器件损伤和性能测试等提供综合实验平台。