TD-LTE系统上行性能评估与HPSS技术的研究

本文对TD-LTE上行系统,从接收天线类型,上下行时隙配置,小区规模,系统带宽,载波频率这些不同的维度进行了广泛而详细的评估。同时在TD-LTE上行系统中对HPSS技术进行了评估。评估采用了符合3GPPE-UTRANLTE规范的系统级仿真平台。TD-LTE系统在1x8s天线配置下,性能明显优于FDD1x2系统。TD-LTE系统小区边缘用户对小区半径更为敏感。HPSS技术更适用于大半径小区,可使平均吞吐提高40%,边缘吞吐提高62%。

健康问题解决量表的汉化及信效度检验

目的汉化健康问题解决量表并在2型糖尿病患者中验证其信效度。方法采用Brislin模式对健康问题解决量表进行翻译、回译及跨文化调适,形成中文版健康问题解决量表,并对262例2型糖尿病患者进行调查。通过专家咨询分析量表的内容效度,并通过Cronbach′sα系数、重测信度、折半信度验证健康问题解决量表的信度。通过与个人问题解决量表的相关性分析验证其效标关联效度,并同时采用探索性因子分析进行结构效度检验。结果形成的中文版健康问题解决量表共包括6个维度、30个条目。量表水平的内容效度指数为0.970,条目水平的内容效度指数0.830~1.000。效标关联效度为-0.675(P<0.05);探索性因子分析共提取6个公因子,累计方差贡献率为59.017%。量表Cronbach′sα系数为0.911,各维度Cronbach′sα系数为0.715~0.839;Spearman-Brown折半信度为0.764,重测信度为0.798。结论中文版健康问题解决量表具有良好的信效度,可用于2型糖尿病患者健康问题解决能力的评估。

深度卷积神经网络在音乐风格识别中的应用

目前大多基于时间特征的音乐风格识别问题分类性能不佳.鉴于卷积神经网络(CNNs)捕获信息特征能力较强,本文使用CNN提取音乐信号中的多种特征并进行分类.首先采用harmonic/percussive sound separation(HPSS)算法把原始音乐信号谱图分离成时间特征谐波分量和频率特征冲击分量,并联合原始谱图一起作为CNN的输入;其次对生成图像作仿射变换以及使用PCA改变训练图像中RGB通道的像素值从而扩大数据集;最后设计了CNN的网络结构以及研究了该网络结构中不同参数对识别率的影响.在GTZAN数据集上的实验表明本文的方法可以有效改善使用单一特征的音乐风格识别.

人脑半监督的构造性学习方法

利用构造性学习(CML)算法训练分类器需要大量已标记样本,然而获取大量已标记的样本较为困难.为此,提出了一种人脑半监督的构造性学习算法(HPSS-CML).根据已标记样本,通过覆盖算法构造分类网络,对未标记样本进行有选择的标记,并将其加入训练集,调整分类网络参数.重复进行上述过程,直到没有新标记的样本为止,得到最终的分类器.测试阶段再次利用未标记样本对"拒认状态"的测试样本进行标记.最后选取UCI数据集进行实验,结果表明,与CML算法及Tri-CML算法相比,该方法的分类更为有效.

一种基于隐马尔科夫模型的波形文件主旋律基频提取算法

哼唱检索中通常以旋律的基频作为音乐特征进行检索,目前研究的哼唱检索系统都是基于MIDI音乐文件。但是,目前存在的MIDI音乐文件的数量非常少,基于波形文件的哼唱检索系统才是未来的发展趋势。本文针对单声道波形文件,研究了一种提取歌曲主旋律基频曲线的算法。该算法将隐马尔科夫模型和"谐波乐器/打击乐器声音分离"模型进行结合。实验表明该算法对主旋律基频提取具有很高的准确率。