基于PHMM的终端区航空器综合态势识别

航空器在终端区飞行时,由于受到诸多因素的影响,导致其不能严格按照计划航线飞行。通过分析历史航迹数据,提出了一种基于并行隐马可夫模型的终端区航空器综合态势识别方法。首先提取航迹数据的各类特征点,然后根据其x坐标、y坐标以及z坐标建立3个隐马尔可夫模型。通过训练3个模型的参数,对航空器在终端区内的高度态势、速度态势以及方向态势进行识别。最后采用综合分析方法对航空器的综合态势进行识别。实验表明,该方法能够快速、准确、有效地识别出终端区航空器的综合飞行态势,为管制员发布管制指令提供依据。

基于隐马尔可夫模型与并行模型组合的特征补偿算法

提出了一种基于隐马尔可夫模型和并行模型组合的特征补偿算法.首先,利用一个包含较多状态的隐马尔可夫模型来描述全部单词特征向量的分布.然后,根据静音段估计的噪声均值和方差,采用并行模型组合方法调整隐马尔可夫模型的均值向量和协方差矩阵,使之与识别环境相匹配.最后,根据基于状态转移矩阵压缩的前向后向算法计算隐马尔可夫模型的后验概率,并通过最小均方误差准则估计纯净语音特征向量.实验结果表明,该算法能够更加准确地估计纯净语音特征向量,其性能明显优于基于高斯混合模型的特征补偿算法;状态转移矩阵压缩算法可以在不影响补偿精度的前提下,显著减少前向后向算法的计算量.

一种适于非特定人语音识别的并行隐马尔可夫模型

为了适合非特定人语音识别,提出了一种由多条并行马尔可夫链组成的并行HMM(Parallel Hidden Markov Model,PHMM),从而融合了基于分类的语音识别中为各个类别建立的模板,提高了识别性能,各条链之间允许有交叉,使得融合的多模板之间存在状态共享,同时PHMM可以在训练过程中自动完成聚类,且测试语音的输出结果来自所有类别,无需聚类分析和类别判断,这些都减少了存储量和计算量,汉语非特定人孤立数字的识别实验表明,PHMM较之传统CHMM使识别性能及噪声鲁棒性都得到了改善。

分子标记多位点排序的并行计算

为了对一组连锁的分子标记位点获得正确的排序进而构建生物遗传连锁图谱,提出了并行算法PMMASLH,针对F2作图群体,通过基于消息传递接口并行最大最小蚂蚁系统求解连锁的多个分子标记位点排序,使用隐马尔可夫模型计算一列有序标记位点所获得的极大似然值作为排序的目标函数。计算机模拟结果表明,该算法执行效率高、计算稳定,排序的功效优于著名的连锁作图软件Mapmaker。

基于并行隐马尔科夫模型的电能质量扰动事件分类

为满足电能质量扰动准确分类的需求,提出了一种基于极大重叠离散小波变换(MaximalOverlapDiscrete WaveletTransform, MODWT)和并行隐马尔科夫模型(ParallelHiddenMarkovModel, PHMM)的电能质量扰动分类方法。首先利用MODWT提出一种实用的电能质量扰动检测算法,该算法无需设定检测阈值,可准确获取扰动时段的起止时刻。接着提取扰动时段的电压谐波成分并组成特征向量。然后用PHMM分类器对扰动信号进行分类识别。PHMM方法克服了人工神经网络方法收敛性较差、训练时间较长的缺陷,使分类器性能大大提升。通过应用于现场实测扰动数据表明,所提出的方法适用于多种类型的电能质量扰动检测,分类正确率高,训练速度快,具有良好的应用价值。

基于多核系统的隐马尔可夫模型并行算法研究

介绍了一种基于Open MP的多核并行程序设计方法,并使用此方法实现了对基于隐马尔可夫模型的Web文本挖掘程序的并行化改造.实验证明重新设计的多核并行程序相比于原有串行程序在多核微机系统上的运行时间大大减少、程序整体性能得到明显提升.

基于HTK的语音识别的并行化研究与实现

详细地分析了语音识别的过程,给出了相应的算法描述,并分析了语音识别并行化的可能性。将并行计算的思想应用于语音识别的算法中,使用多线程技术,并引入避免竞争条件的机制,在多核计算机上并行地计算HMM模型节点的似然率,从而得到语音识别的并行化算法。分析了该并行化算法的性能,同时在语音识别工具包HTK 3.4上实现了这种并行化算法。基于WSJ0语料库的实验结果表明该并行化算法在不影响识别结果的前提下能够有效地提高语音识别的实时性能。