一种基于脉冲耦合神经网络的语音情感识别新方法

针对汉语语音情感识别问题,提出了一种基于脉冲耦合神经网络(PCNN)的识别方法。该方法将语音转化为语谱图后输入到PCNN,得到输出图像的神经元点火序列及其熵序列作为语音情感的特征,利用其特征实现语音情感识别。实验结果表明,该方法可以有效地识别"高兴"与"平常"这两种不同的情感。该方法将PCNN引入到语音情感识别的应用研究中,开拓了语音和图像信号结合处理的新领域,同时对于PCNN的理论研究和实际应用具有重要的现实意义。

基于局部二值模式的改进时空上下文跟踪算法

基于时空上下文(Spatial-Temporal Context,STC)的跟踪算法与大部分传统算法相比,在实时性方面具有明显的优势。通过实验发现,STC算法存在由变形和遮挡引起的跟踪精度下降问题。针对该问题,提出了一种改进方法,该方法在原STC算法的基础上引入局部二值模式(Local Binary Pattern,LBP)和遮挡检测机制,利用LBP特征来代替灰度特征,当跟踪器检测出目标发生遮挡时,停止分类器参数的更新。对于满足线性运动的目标,利用卡尔曼滤波器对其进行位置预测以解决目标发生遮挡后的定位问题。实验证明,所提出的改进算法能有效提升目标跟踪精度,针对遮挡情况下的目标也展现出较高的鲁棒性。

基于核相关滤波算法的层级遮挡检测目标跟踪

基于核相关滤波的快速跟踪算法在与除机器学习之外的大部分传统算法相比,该算法在时效性和跟踪精度方面优势明显。但在目标发生严重遮挡或全部遮挡时,KCF的跟踪精度会明显下降。通过对其分析发现,当目标发生遮挡时,分类器会引入错误信息,从而导致跟踪精度下降甚至跟踪失败。因此在KCF算法的基础上引入遮挡检测机制,当跟踪器判断出目标发生遮挡时,停止分类器参数的更新;同时利用局部二值模式（local binary pattern,LBP）特征进行层级遮挡检测可以有效地区分目标变形和遮挡。对于满足线性运动的目标,利用卡尔曼滤波器对目标进行位置预测以解决目标发生遮挡后的定位问题。实验证明,提出的算法对具有遮挡和变形情况的目标跟踪具有较高的鲁棒性。

电磁轨道炮轨道表面功能化和防护

电磁轨道炮是利用洛仑兹力将电枢在极短时间内超高速发射的武器,电磁轨道炮发射过程中,一方面要保证电枢和轨道间良好的电接触,满足发射需求;另一方面要避免多种形式的失效,以保证发射的稳定性和轨道寿命。本文概括了电磁轨道炮3种主要的失效形式、机理,介绍了4种轨道防护方案,讨论了在轨道炮口处制备电阻涂层抑制炮口电弧的可行性,对电磁轨道炮轨道表面功能化和防护进行了展望。

BLKF方法抑制MEMS惯性传感器随机噪声

针对微机电系统(MEMS)惯性传感器应用卡尔曼滤波(KF)处理数据时随机噪声难以估计的缺点,提出一种基于贝叶斯拉普拉斯卡尔曼滤波(BLKF)的随机噪声更新方法。该方法利用拉普拉斯近似算法,将贝叶斯边缘分布近似表示,能够避免贝叶斯方法更新过程中由于数据维数较大造成后验边缘分布较难估计的情况,提高对随机噪声的更新效率和精度。通过陀螺仪转台实验采集实验数据,运用KF与BLKF分别滤波。对比滤波结果可发现,BLKF比KF能更好地反映真实角速度状态。同时,在陀螺仪角速度变化时,BLKF的可靠性和准确性更高,滤波效果更具优势,能够达到抑制MEMS惯性传感器随机噪声的目的。