混合CTC/attention架构端到端带口音普通话识别

针对普通话语音识别任务中的多口音识别问题,提出了链接时序主义(connectionist temporal classification,CTC)和多头注意力(multi-head attention)的混合端到端模型,同时采用多目标训练和联合解码的方法。实验分析发现随着混合架构中链接时序主义权重的降低和编码器层数的加深,混合模型在带口音的数据集上表现出了更好的学习能力,同时训练一个深度达到48层的编码器—解码器架构的网络,生成模型的表现超过之前所有端到端模型,在数据堂开源的200 h带口音数据集上达到了5.6%字错率和26.2%句错率。实验证明了提出的端到端模型超过一般端到端模型的识别率,在解决带口音的普通话识别上有一定的先进性。

基于深度学习的特高压三端混合直流输电线路波形特征故障区域判别方法

针对将现有直流线路故障区域识别方法应用于特高压三端混合直流输电线路时,存在难以区分T区两侧故障、耐过渡电阻能力弱和阈值整定困难的问题,提出一种利用深度学习及波形特征进行特高压三端混合直流输电线路故障区域识别的方法。首先,对三端混合直流线路不同故障区域进行故障特征分析;然后,对线模电压和线模电流进行多尺度小波分解,提取线模电流中低频分量和线模电压高频分量,结合正负极电压波形特征,组成深度学习模型的输入量,并将故障区域作为输出量,构建深度学习故障区域识别模型;最后,用训练过的深度学习模型对获取的故障特征量进行处理,以实现故障区域识别的目的。通过大量仿真实验,验证了所提故障区域识别方法具有准确率高和基本不受过渡电阻影响的特性。

基于改进混合CTC/attention架构的端到端普通话语音识别

端到端的语音识别通过用单个深度网络架构表示复杂模块,减少了构建语音识别系统的难度.文中对传统的混合链接时序分类(Connectionist temporal classification, CTC)模型和基于注意力机制(Attention-based)模型的端到端语音识别架构进行了改进,通过引入动态调整参数对CTC模型和基于注意力机制模型进行线性插值,从而实现混合架构的端到端语音识别.将改进后的方法应用在中文普通话语音识别中,选择带投影层的双向长短时记忆网络(Bidirectional long short-term memory projection, BLSTMP)作为编码器网络模型,声学特征选取80维的梅尔尺度滤波器组系数和基频共83维特征.实验结果表明,与传统的端到端语音识别方法比较,文中方法在普通话语音识别上能够降低3.8%的词错误率.

基于高精度端元的混合像元线性分解模型研究

从理论上阐述了混合像元的产生机理和混合像元线性分解模型,研制了一套地面成像光谱实验系统,直接获取了高精度的端元光谱数据,通过像元合并的方式构造混合像元,针对不同丰度的非立体空间混合像元端元,分析了根据线性分解模型加权计算得到的光谱与实际混合光谱的误差,进而论证了线性分解模型的精度.

风电孤岛经混合三端直流送出的模型预测控制

采用混合多端直流将我国西部能源基地的电力外送是未来发展的方向。由于风能具有随机性和间歇性的特点,宜采取孤岛运行并通过电压源换流器(voltage source converter,VSC)并入传统直流输电系统。针对这种拓扑下连接风电孤岛的VSC,该文提出基于模型预测控制(model predictive control,MPC)的控制策略。该控制策略不含PI环节,可以直接求取几个周期内调制波的最优解,避免与双馈风机控制器中PI环节的相互影响,还具有动态响应快和控制精度高的特点。针对混合多端由于功率波动和故障情况导致直流电压波动以及LCC本身存在纹波的问题,提出在基本控制算法上增加对直流电压的预测,减小直流电压波动的影响并增强抗扰动能力。该文结合我国西北电网风电送出的实际需求,在PSCAD中建立混合多端模型,在风速波动和交直流故障情况下验证所提出的模型预测控制策略的有效性及故障恢复性能。

向无源网络供电的多端混合直流输电系统小信号模型及解耦控制

该文以向无源网络供电的多端混合直流输电系统为研究对象,旨在揭示系统中各换流站之间的交互作用关系,并研究解耦控制策略以削弱换流站之间的相互干扰,保证无源网络的电压稳定性。首先从LCC换流站及所连交流系统、VSC换流站及所连无源网络以及直流网络三部分构建混合直流输电系统小信号模型,并采用小信号分析方法,揭示换流站之间交互作用产生的机理,然后提出一种广域直流电压反馈控制,以抑制换流站之间的耦合。通过仿真证明,该解耦控制策略可有效削弱换流站之间的相互干扰,有效提高无源网络电压的稳定性。

考虑端部效应的混合励磁直线涡流制动器解析模型

对于提出的串联磁路混合励磁直线涡流制动器结构方案,研究了端部效应对其特性的影响,并建立了解析模型。首先,详细介绍了串联磁路混合励磁直线涡流制动器的基本结构和工作原理。其次,根据等效磁路法和麦克斯韦方程组推导出了串联磁路混合励磁直线涡流制动器的二维解析模型。然后,采用解析法分析了纵向和横向端部效应对涡流制动器制动力特性的影响,并通过引入一些修正系数考虑了端部效应对制动力特性的影响,得到了改进的解析模型,即三维解析模型。最后,采用三维有限元法证明了三维解析模型的准确性。结果显示,三维解析模型可以准确地预测涡流制动器的制动力特性曲线。

基于线性混合模型的高光谱图像端元提取

近年来,基于线性混合模型的光谱解混合技术正在越来越广泛地用在光谱数据分析和遥感地物量化中,这项技术的关键就在于确定端元(Endmember)光谱。通常,端元的获取有两种方式:来源于光谱库以及来源于图像数据,相比之下后者得到的结果更能体现真实的地面信息。为此,从线性混合模型的特点出发,归纳了目前几种比较成熟的端元提取算法,分析了它们的主要思想和存在的优缺点,并总结了评估算法结果的依据,最后介绍了端元提取技术的发展趋势。

一种端元变化的神经网络混合像元分解方法

遥感图像中普遍存在着混合像元,对混合像元进行分解是遥感图像处理中的难点,在端元(Endm ember)个数不变的情况下,往往得到的分解结果精度不高。本文基于fuzzy ARTMAP神经网络,提出一种基于端元变化的神经网络混合像元分解模型。首先利用混合像元与纯净端元之间的光谱相似性,判断出混合像元包含的端元个数及类别,然后结合fuzzy ARTMAP神经网络进行分解。实验结果表明:本文提出的方法比传统的线性混合模型及fuzzy ARTMAP神经网络模型的精度要高,而且更加符合实际情况。

不同端元模型下湿地植被覆盖度的提取方法--以北京市野鸭湖湿地自然保护区为例

植被覆盖度作为反映湿地植物生长状况的重要生态学参数,在评估和检测湿地生态环境方面起着关键的作用。以华北内陆典型的淡水湿地——北京市野鸭湖湿地自然保护区为研究对象,中等分辨率的Landsat TM影像为数据源,基于线性光谱混合模型(LSMM)对研究区的植被覆盖度进行了估算。针对湿地植被类型丰富、土地利用类型多样化的特点,利用归一化植被指数(NDVI)在反映植物生长状况、覆盖程度以及区分地表覆盖类型方面的优势,通过对原始Landsat TM影像增加NDVI数据维对影像进行维度扩展,克服了传统研究中通常从Landsat TM影像上提取3—4种端元的局限,经最小噪声分离变换(MNF变换)、纯像元指数(PPI)计算以及人机交互端元选取等一系列运算,构建以陆生植物、水生植物、高反射率地物、低反射率地物、裸露土壤为组分的五端元模型来反映研究区的地物组成;同时,以原始Landsat TM影像为基础,构建植物、高反射率地物、低反射率地物、裸露土壤为组分的四端元模型。针对两种端元模型,采用全约束下的LSMM算法进行混合像元分解以获取研究区的植被覆盖度,其次辅以研究区的纯水体信息对其进行优化。精度检验采用相同时期的高分辨率WorldView-2多光谱影像来进行。研究表明:虽然四端元模型与五端元模型对植被覆盖度的估算结果在空间上具有基本一致的分布趋势,但是前者的估算结果在数值上要普遍低于后者,在研究区的水体及其附近,四端元模型难以体现水生植物的植被覆盖信息;另外,五端元模型的估算结果与检验数据的相关系数R达到0.9023,均方根误差(RMSE)为0.0939,明显优于四端元模型的R=0.8671和RMSE=0.1711。这反映了通过对影像进行维度扩展的方法来改进端元提取的数量是可行的,而由此构建的五端元模型可以更充分的反映研究区地物之间的光谱差异,从而获得更好的估算精度。

LCC-MMC混合多端直流输电系统的潮流计算和机电暂态建模方法

为实现含混合直流输电系统的大规模交直流电力系统暂态稳定计算,提出了电网换相换流器–模块化多电平换流器(LCC-MMC)型混合多端直流输电系统的潮流计算和机电暂态建模方法。首先分析了混合直流输电系统机电建模的总体思路,然后分别建立了LCC/MMC的交直流侧等效电路模型;与MMC直流侧的传统等效电路模型不同,采用了二阶微分方程描述的MMC直流侧等效电路来构建混合直流系统的机电暂态模型。此外,提出了一种考虑LCC触发角约束条件的混合多端直流输电系统交替迭代潮流计算方法。最后在机电暂态仿真平台PSS/E里实现了LCC-MMC型混合多端直流输电系统的潮流计算和机电暂态仿真,并将模型应用到南方电网的算例中。仿真计算表明:所提出的混合直流系统交替迭代潮流计算方法确保了系统模型初始化的可靠性;所建立的混合直流系统机电暂态模型和详细电磁暂态模型的阶跃响应特性基本一致;含乌东德三端混合直流系统的南方电网算例表明,在相对严重的受端换流母线三相短路故障下,送端系统在故障清除后能够恢复稳定运行。因此,所提出的混合多端直流输电系统潮流计算和机电暂态建模方法能够满足大规模交直流电力系统的暂态稳定计算。

混合多端直流输电系统的小干扰建模方法

针对整流站采用电网换相型换流器(linecommutated converter,LCC)、逆变站采用模块化多电平换流器(modular multilevel converter,MMC)的混合多端直流输电系统(hybrid multi-terminalHVDC,H-MTDC),提出了一种通用的小信号建模方法。该建模过程将混合多端直流输电系统分为直流线路、LCC子系统和MMC子系统3大部分,各部分独立建模后通过连接变量连接在一起从而构成系统完整的小信号模型。然后,根据所提出的建模方法为一个混合三端直流输电系统建立了小信号模型,通过对比小信号模型在MATLAB中的仿真结果与PSCAD/EMTDC中系统的电磁暂态模型的仿真结果,验证了小信号建模方法的正确性。最后,采用特征根分析法,研究了三站的控制系统参数对混合三端直流输电系统小干扰稳定性的影响。该建模方法可以为混合多端直流输电系统小信号模型的建立以及后续的分析提供有价值的指导。

基于端元变化的两种混合像元分解算法比较研究

光谱混合分析对提高遥感影像分类具有重要意义,其中端元变化处理是提高解混精度的关键。目前,许多算法被用来解决端元变化,但仍存在一些问题有待解决,如算法运行效率慢、忽略端元的高阶交互、像元空间邻城信息缺失。结合IDL和MATLAB混合编程,利用确定性模型中的交替最小角度法和统计性模型中考虑高阶项的非线性算法对Hyperion影像进行端元变化解混,再利用概率松弛标记法对像元补充空间邻域信息。试验结果表明:当某种地物类别所占面积较大时,确定性与统计性模型都能获得较高的解混精度;当地物类别所占面积较小时,确定性模型的解混精度高于统计性模型;补充像元空间邻域信息对解混结果有很好的校正。

多端元光谱混合分析综述

多端元光谱混合分析是一种端元可变的线性光谱混合分析方法,通过由不同种类和数量的纯净像元(端元)构成的端元组合,对混合像元进行分解。针对每类地物,该方法可以采用多条同种端元光谱进行解混,在一定程度上克服了同种地物的光谱变异问题,能够提高解混的精度。本文对多端元光谱混合分析的具体方法进行综述。首先,基于对多端元解混研究现状的深入分析,归纳了多端元光谱混合分析的基本流程。其次,对多端元解混涉及的端元选取方法进行总结,分别概述了图像端元和参考端元扩充的策略及优化的指标;在此基础上,系统论述了端元光谱库构建主要途径及其优缺点,并指出针对特定的研究区域最佳端元模型确定的方法。最后,提出多端元光谱混合分析存在的问题并给出相应的解决方案。

多端元模式下高光谱图像解混的不确定性问题

为了探究多端元解混造成解混结果不确定性的原因,并进一步在解混中克服与降低该不确定性,详细分析了在二分类解混中,解混不确定性的两种表现形式,丰度固定时像元位置的不确定性和像元位置固定时丰度的不确定性,探究解混端元与不确定性的相互作用关系,进而提出一种可降低解混丰度不确定性的端元加权多端元解混方法。实验表明:混合丰度不确定性的存在,同时在保证解混精度的前提下验证了所提出的降低不确定性方法的有效性。

基于端到端深度学习的藏语语音识别研究

针对如今藏语语音识别前期准备门槛高、相关研究少等问题,探究了端到端网络在藏语语音识别上的应用,提出以联合基于链接时序分类(CTC)和注意力机制(Attention)为解码器,结合了自动对齐和获取注意力权重的优点,使用Transformer作为编码器,从而构建Transformer⁃CTC/Attention模型。模型先通过Transformer提取语音全局特征,选择藏字为建模单元,然后通过CTC/Attention对语音特征进行联合解码,并输出文本序列。在30小时的卫藏语音数据集以不同联合参数作实验,取得25.75%的词识错率,对比文献的WaveNet⁃CTC提升了14.14%。

智能语音技术端到端框架模型分析和趋势研究

端到端(End-to-End)框架是一种基于深度神经网络可直接预测语音信号和目标语言字符的概率模型,从原始的数据输入到结果输出,中间的处理过程和神经网络成一体化,可脱离人类主观偏见,直接提取特征,从而充分挖掘数据信息,简化任务处理步骤。近几年,注意力机制的引入,辅助端到端架构实现了多模态间的相互映射,进一步提高了技术的整体性能。通过对近几年端到端技术在智能语音领域技术和应用的调研,端到端架构为语音模型算法提供了新的思想和方法,但也存在混合框架无法有效地平衡和兼顾单一技术特点,模型内部逻辑复杂使得人工介入调试困难、定制可扩展性减弱等问题。未来端到端一体化模型在语音领域应用方面还将有进一步的发展,一方面是前端到后端的模块端到端,忽略前端语音增强和后端语音识别中涉及多项输入的假设,将语音增强和声学建模一体化,另一方面是交互信息载体的端到端,聚焦于语音信号数据本身的信息提取和处理,使得人机交互更贴近真实人类语言的沟通方式。

基于扩展线性模型的多端元高光谱图像分组寻优解混方法

在高光谱图像中,若一个像元中包含多种地物,则称这个像元为混合像元。混合像元的存在是影响遥感图像分类精度和目标探测效果的重要原因。基于分组寻优多端元高光谱图像解混方法提出了一种新的高光谱图像解混方法。该方法根据整体和部分之间的关系,首先利用扩展的线性模型对高光谱数据进行建模,然后用各种地物的端元组对混合像元分别解混,最后利用根均方误差(RMSE)选出每个端元组中反演误差最小的那个端元。该方法可以降低计算的复杂度,有效抑制噪声的影响,提高小丰度目标的检测效率。

运用线性光谱混合模型解析城市绿色空间格局：乌鲁木齐市的实证研究

运用线性光谱混合模型并引入植被景观指数解析乌鲁木齐市绿色空间格局及变化特征,为定量评价干旱区绿洲生态环境提供更精确的方法.结果表明:(1)植被盖度与植被指数整体相关性较好,但植被盖度更能反映像元尺度上植被信息较弱的城市植被景观;(2)13年内,植被丰度整体下降明显,存在郊区绿地面积锐减、建成区绿地破碎化程度加剧及空间分布不协调等发展问题;(3)从建成区植被类型看,中、高丰度植被面积缩减最大,低丰度植被面积变化不大但其破碎化程度最大,以低丰度植被占主导的城市绿地结构单一化趋势明显,城市绿色生态系统较不稳定.

基于线性光谱混合模型的油菜种植面积遥感监测方法研究

利用中低分辨率卫星影像进行油菜面积提取时,需要考虑混合像元产生的影响,以提高面积提取的精度。本文以2009年湖北省潜江市油菜种植面积为例,利用中巴地球资源卫星(CBERS-02B)遥感影像,选取线性光谱混合模型进行油菜种植面积的分解计算研究,将结果与基于GVG(GPS、VIDEO、GIS)农情采样系统得到的结果进行对比分析,面积提取精度为97.43%。表明线性光谱混合模型能够高精度地提取油菜的种植面积,不失为一种很好的监测油菜种植面积方法。