解耦知识蒸馏优化的域自适应跨库情感识别

减小域间差异和加强特征情感表达是解决跨库语音情感识别任务的两个主要问题,但少有研究同时考虑到上述问题,为此,提出一种基于解耦知识蒸馏策略优化的域自适应跨库语音情感识别算法。在域自适应算法中引入解耦知识蒸馏(DKD)策略,提高特征提取器获取具有显著情感信息的域不变特征的能力;并提出一个时频域自校正卷积神经网络(TFSC-CNN),融合不同感受域的特征细节,丰富特征中的情感信息,作为教师模型,指导特征提取器的训练过程;最后,使用优化后的特征提取器进行对抗训练,减小特征的域间差异,提升模型的泛化能力。所提方法在CASIA、EmoDB和RAVDESS数据集上进行了6组不同的跨库语音情感识别任务,在UAR和WAR两个评价指标上分别取得了49.74%和50.62%的识别结果;同时,通过消融实验进一步验证了不同改进模块的有效性。文中方法为跨库情感识别提供了一种新思路。

一种5G密集型组网的分布式多天线校正方法

首先分析了5G密集型组网环境的特点,并提出大规模天线技术对天线阵元通道一致性的要求;然后介绍了传统校正方法和分布式天线校正的原理,并针对传统校正方法的局限性提出了一种密集型组网下分布式联合天线校正方法;最后使用该方法对分布式64天线阵元组进行幅相一致性校正。实验结果表明:该方法的校正效果好,能有效解决分布式组网引入的灵活部署问题,同时能提升业务波束增益和指向性,提高频谱利用率以及边缘交叠区信号质量。