驾驶员加速特性分类与辨识方法研究

智能化是汽车未来的发展趋势,基于驾驶员行为特性的汽车控制对于实现汽车智能化具有重要意义。加速特性是驾驶员重要的行为特性,针对驾驶员加速特性分类与辨识方法进行了研究。应用驾驶模拟器设置了城市道路工况,选取驾驶员进行驾驶模拟实验,采集驾驶员操纵和车辆行驶状态数据,对数据进行滤波并提取特征值,应用k-means聚类算法进行聚类分析,将驾驶员加速特性数据分为谨慎型、一般型和激进型。基于高斯隐马尔可夫理论,根据实验数据建立加速特性辨识模型,通过实验对辨识精度进行了验证。研究结果表明,该研究方法能够对驾驶员加速特性进行合理分类,实现驾驶员加速特性的准确辨识。

基于河南方音的英语语音自动分析

首先,建立基于方音的二语发音数据库,并分析发音数据的音韵特征;然后,基于隐马尔可夫理论,提出了一种识别特定方音背景的外语学习者的语音产出的可行性方案.性能试验显示,系统可以较为准确地自动识别出以河南方音为背景的学习者的外语语音产出,并形成诊断性评价,进而提升其外语语音水平.