带谱参数边界条件的二维向量型Sturm-Liouville问题特征值的依赖性

研究一类定义在区间[a,b]上的二维向量型Sturm-Liouville问题,通过构造适当的内积与Hilbert空间给出算子自伴性的证明。研究了该问题特征值与特征函数的依赖性问题,主要讨论特征值的连续性及其对各参数的可微性,并给出特征值对各个参数的微分表达式。

基于自适应子带谱熵的仿生小波语音增强方法研究

针对传统语音增强方法在低信噪比复杂噪声环境下存在的语音增强质量和可懂度欠佳等问题,本文提出了一种自适应子带谱熵与仿生小波相结合的语音增强方法。研究思路是,首先用自适应子带能比法对含噪语音和纯噪声段进行区分,然后用仿生小波分解含噪声语音,将分离出来的噪声输入自适应滤波器,采用递归最小二乘法,达到噪声滤除的目的,实现信噪分离。实验结果显示,在低信噪比的复杂噪声环境下,与传统的维纳滤波和小波变换方法相比,本文提出的语音增强方法可以获得更好的声音增强质量和可懂度。

三点弯曲试样在程序块谱、Rayleigh窄带谱和Wirsching宽带谱下的疲劳裂纹扩展计算

分别用分级应力法、等损伤应力法及均方根应力法对三点弯曲试件在程序块谱、窄带随机谱和宽带随机谱下的疲劳裂纹扩展进行了计算。以探讨均方根应力法是否适于三点弯曲试件在谱载下的疲劳裂纹扩展计算。

一种改进的自适应子带谱熵语音端点检测方法

噪声环境下的语音端点检测在稳健语音识别中占有十分重要的地位。自适应子带谱熵法是一种新的端点检测方法,它的思想是将一帧语音分成若干个子带,再用谱熵法进行运算,子带的个数可以自适应选择。该方法具有一定的稳健性,但随着信噪比的降低,语音端点检测的准确性也随之下降。提出了一种结合加权功率谱减的子带自适应谱熵法,并给出了该方法的实现步骤。该方法采用边降噪边用稳健性好的特征参数做语音端点检测,从两个方面来提高端点检测的准确性。实验结果表明该方法具有良好的性能,在不同信噪比的不同加性噪声下系统识别率都有提高。

窄带谱成像放大内镜技术对早期食管癌及其癌前病变诊断的临床应用价值

目的探讨窄带谱成像放大内镜(NBI-ME)观察下食道病变上皮乳头内血管袢(IPCL)分型对早期食管癌(EEC)及癌前病变诊断的临床价值。方法回顾该院内镜诊治中心2013年7月-2016年12月发现的食管黏膜表面异常的102例(共132处病变)患者内镜表现和临床病理资料,分析IPCL分型对食道病变性质及浸润深度的预判作用。结果IPCL为A型的病变中95.0%(38/40)病理诊断为食管炎,IPCL为B型的病变中96.7%(89/92)病理诊断为EEC及癌前病变;NBI-ME观察后,术前活检病理与术后完整病理一致性尚可(Kappa=0.485>0.4,P<0.01);B1、B2、B3型IPCL预判食道病变浸润深度的准确率分别为68.0%(34/50)、73.3%(11/15)及100.0%(4/4)。结论NBI-ME观察下对食道病变的IPCL进行AB分型,有助于对食管病变性质及浸润深度的预判,同时结合病理结果及超声内镜(EUS)等技术,可实现对病变病情的综合评估,从而可以为患者制定最佳的治疗策略。

西藏色季拉山种子植物垂直带谱的划分与分布特点研究

将色季拉山种子植物分布划分为山地暖温带针阔混交林带、山地温带针叶林带、亚高山寒温带针叶林带、高山寒带疏林、灌丛、草甸带和高山荒漠带。在上述基础上 ,分析了各带谱的区系组成、性质和特有种分布特点。

窄带谱成像放大胃镜在早期食管鳞癌及癌前病变中的诊断价值

回顾性分析97例在白光内镜下疑诊为早期食管鳞癌或癌前病变的患者,进行窄带谱成像放大内镜(NBI-ME)检查,行靶向活检,最终经内镜下切除或者手术切除确定病灶性质。分析病变的NBI-ME的形态特点,并与活检病理、内镜切除或手术切除标本病理进行对照。在97例患者中最终确诊为鳞癌35例,高级别上皮内瘤变62例。NBI-ME诊断为鳞癌或高级别上皮内瘤变的有95例,诊断准确性达97.9%。经过靶向活检,有10例原诊断为低级别上皮内瘤变或炎症的患者被诊断为鳞癌或高级别上皮内瘤变,准确性提高52.6%。而根据乳头内毛细血管袢的形态,对肿瘤浸润深度判断的准确性达到81.4%。

基于最大后验相位估计的多带谱减语音增强算法

传统语音增强算法中因为谱减法算法简单易于实现而得到广泛研究,谱减法的原理是将带噪语音幅度与估计的噪声幅度进行相减,并叠加带噪语音相位,进而重构增强语音谱。该方法在低信噪比下因为没有进行相位估计,会存在较大的估计误差,并且因为对噪声估计的不准确,会产生"音乐噪声"。基于谱减法的缺点该文提出一种基于最大后验相位估计的多带谱减法,其中多带谱减法可减少"音乐噪声"的影响,最大后验方法估计纯净语音相位,可以减少在低信噪比时的估计误差。实验结果表明该方法在低信噪比时取得了较好的增强效果。

基于子带谱平滑度的音频篡改检测

针对音频篡改过程中重采样操作的检测,通过对插值音频信号频谱特性的分析,提出一种频谱测度即子带谱平滑度,用以度量音频信号在各子带频谱的波动程度,并提出用子带谱平滑度作音频信号篡改检测的方法及其具体实现步骤.实验结果表明,该方法不仅能够准确地检测出音频信号是否经过插值和拼接处理,还能比较准确地估算出信号插值前的原始采样率,为音频取证提供更多有用信息.

金M带谱时空特性测量

给出了金Ｍ带发射的空间尺度和时间尺度。用晶体配软Ｘ光条纹相机测得三倍频激光与金平面靶相互作用金Ｍ带发射的时间尺度：ＥＬ＝４６Ｊ，τ＝５７１ｐｓ时，金Ｍ带发射持续时间（ＦＷＨＭ）～８５０ｐｓ。用狭缝配晶体谱仪测得金Ｍ带发射的空间尺度：λ＝１．０６μｍ，ＥＬ＝１０６Ｊ，τ＝５５０ｐｓ时，金Ｍ带发射的空间尺度（ＦＷＨＭ）为５７μｍ；λ＝０．３５μｍ，ＥＬ＝２５～３８Ｊ，τ＝４８０～５７０ｐｓ时，金Ｍ带发射的空间尺度（ＦＷＨＭ）为２７～３９μｍ。

基于子带谱熵的仿生小波语音增强

前端噪声处理直接关系着语音识别的准确性和稳定性,针对小波去噪算法所分离出的信号不是原始信号的最佳估计,提出一种基于子带谱熵的仿生小波变换(BWT)去噪算法。充分利用子带谱熵端点检测的精确性,区分含噪语音部分和噪声部分,实时更新仿生小波变换中的阈值,精确地区分出噪声信号小波系数,达到语音增强目的。实验结果表明,提出的基于子带谱熵的仿生小波语音增强方法与维纳滤波方法相比,信噪比(SNR)平均提高约8%,所提方法对噪声环境下语音信号有显著的增强效果。

青藏高原苔原自然带谱及复式三维地带模式

首次依空间结构将青藏高原划分为外围高山、外缘高山、高原面高山、高原面及高原盆地等五种地貌体;厘清了高原不存在纬度地带性的误判,并结合作者前期高原苔原的论证,创建了高原苔原带谱体系及其三维仿真地带模型,分别为顶锥型(外围离散高山及高原面高山)、带型(外缘带状高山)和平面型(高原面).既具有一般高山苔原(alpine tundra)垂直带谱,又呈现高原山原苔原所特有的"复式三维地带性模式",在全球具有唯一性.首次编制了表征北极苔原与高原苔原关系的北半球苔原带模式图,指出长白山为东北亚高山苔原南界的论点不能成立,青藏高原苔原才是中国及东北亚苔原的南界.目前高原是第三极称谓皆无顶极生物带苔原带景观为前提,仅是高度上的寓意,从地理概念上明确了其与南北极并列的世界第三极定位.

修正后的UTA模型对金M带谱的理论计算

应用不可分辨跃迁阵(UTA)模型结合相对论多组态Dirac-Fock方法,对金激光等离子体0.40～0.62nm范围内的带状谱和线状谱的主要特征参数进行了计算和分析,理论计算值和实验结果较之于单纯用UTA模型计算所得结果符合得更好。研究表明,对于谱线数目较少而又稀疏的跃迁,基于线谱的单独计算对UTA模型进行修正是合理和必要的。

利用量子相干实现窄带谱线及其应用

窄带谱线在生活、工业及医疗领域具有广泛的应用,因此如何实现窄带激光显得尤为重要。我们建立两个物理模型,利用量子相干实现了超窄的探测光谱,值得强调的是,谱线的宽度和频率范围是可控的,在应用中就更具灵活性。

基于子带谱熵的二阶CMN语音识别鲁棒性研究

在自动语音识别系统(ASR)中鲁棒性是一个至关重要的问题,为了抑制训练和测试环境的失配,降低背景噪声和信道传输对语音信号的影响,文章提出了一种基于子带谱熵的二阶CMN语音识别算法。该算法利用子带谱熵在低信噪比下对语音信号进行端点检测具有较高稳健性的特点,将带噪语音分割为背景噪声段和语音信号段,为抑制噪声和信道对语音识别系统的干扰,采用在不同的区间去除各自的倒谱平均值来实现。仿真实验结果表明,该算法克服了传统CMN算法不能处理环境噪声及传输信道对语音信号所产生的非线性畸变的缺点,有效提高了语音识别系统的鲁棒性。

对陆地水平气候带谱的初步探讨

从赤道到两极，有规律地排列组合的气候地带的总体叫做水平气候带谱。水平气候带谱分为西岸型、内陆型和东岸型三种，这是纬度地带性规律的反映。非纬度地带性因素对水平气候带谱的影响表现在气候地带的长度和宽度发生了变化。各大洲气候他带分布格局是三种气候带谱的组合。

UTA模型下金M带谱的理论计算

用不可分辩跃迁阵模型（ＵＴＡｍｏｄｅｌ）计算了金Ｍ带０．４３ｎｍ～０．６２ｎｍ范围含有的三十五个跃迁阵的特征参数。利用高斯分布线型，对每个离子谱依据ＵＴＡ的总强度，对整个Ｍ带依据离子权重进行叠加，得到了在总体上与实验相一致的结果。

一种改进的基于子带谱熵的语音激活检测方法

语音信号的激活检测(voice activity detection,VAD)是变速率语音编码的关键技术,用来检测通信时是否有语音片存在。在有噪环境下对语音信号的激活检测是非常重要而困难的。对传统子带谱熵算法进行了改进,提出了一种能够用于语音激活检测的新算法。该算法利用语音谱熵和噪声谱熵分布的不同,将信号的数字特征(方差、均值等)与传统子带谱熵相结合,用于区分语音段和非语音段。计算机仿真结果表明,在高斯白噪声环境下,改进后的子带谱熵算法能很好地区分说话人的语音段和非语音段,在某种程度上解决了传统语音激活检测算法结构复杂、参数难调、易受噪声影响等问题。

基于多带谱减法的生物雷达语音增强方法研究

传统麦克风采集语音信号存在一定的局限性,如不能长距离获取语音、抗噪声性能弱、方向性差等。为了克服传统麦克风存在的缺点,采用一种新型的雷达式麦克风来获取语音。然而采用生物雷达获取的语音信号存在着较强的电磁噪声和环境噪声;因此,采用多频带谱减法对生物雷达语音信号进行了增强。与传统语音增强方法的对比结果表明,这种多带谱减法针对性强、效果较好。

基于子带谱熵法和PSO-GA-SVM的汽车鸣笛识别

针对鸣笛抓拍系统会产生误判的问题,提出了一种基于子带谱熵法和支持向量机的汽车鸣笛识别算法.首先,使用子带谱熵法对声音样本进行初判,将子带谱熵高于阈值的样本直接判定为非鸣笛样本.然后,对初判为鸣笛的样本中的疑似鸣笛部分进行分割,并提取Mel频率倒谱系数作为声音的特征.最后,使用支持向量机对分割结果进行进一步分类,并使用粒子群算法与遗传算法的融合来优化支持向量机的参数.仿真结果表明,该算法具有较好的鲁棒性.在对实际采集样本的鸣笛识别中,该算法也取得了较高的准确率.