基于深度学习的跨设备声纹识别方法研究

针对传统声纹识别方法在实际应用场景中跨设备情况下声纹识别性能较差的问题,提出了一种基于深度学习的跨设备声纹识别方法,采用了卷积循环网络的模型架构,在声纹注册阶段录制多段语音进行声纹特征的拟合建模,在识别阶段使用了切片降噪方式提取音频中的语音信息,在设备端使用了DSP芯片支持的双麦克采集现场声音。实验结果表明,在跨设备声纹识别条件下,本文提出的声纹识别方法识别准确率高于目前主流的方法,达到80%。

基于脆值理论的数字式冲量监测仪系统设计

针对高值高危特殊产品运输监控需求,基于破损边界理论,对冲击量与冲击时间进行监测,开发了一型可定制数字式冲量检测仪。检测仪采用经测试筛选的高精度MEMS运动传感器,内置冲量曲线滤波算法,通过实验对比优于机械式冲击指示器。系统还具备低功耗、数据记录、GPS、蓝牙、4G网络功能,实现货运全程监测记录。