段长信息在连续语音识别中的应用研究

基于段长分布的隐含马尔可夫模型（ＤＤＢＨＭＭ）有效地解决了经典ＨＭＭ的缺陷．本文以ＤＤＢＨＭＭ模型为基础，详细研究了如何在连续语音识别中有效地利用段长信息。文中首先介绍了段长分布的统计方法，然后按照不同的说话速度对数据文件进行了分类，据此进行的识别实验表明，段长信息对于速度慢的文件效果最好，速度中等的次之，速度快的效果较小．作者认为，段长信息最大的作用在于能够得到更加精确的音节和状态分割点，并因而提高识别效果．同时，通过段长信息的有效利用，还能够提高识别系统对于说话速度的稳健性、作者又进行了细化研究，提出了利用分类段长和规整化的段长的研究方法，发现两者均可使识别效果有进一步的提高．为了研究如何利用段长之间的相关性，文中还提出了段长的Ｂｉｇｒａｍ的方法，并对之作了分析．最后，本文研究了采用后处理方法利用段长信息的效果，进一步说明了只有基于ＤＤＢＨＭＭ，在识别过程中同步利用段长信息，才能得到卓有成效的性能提高。

移动因特网切换损失率研究

通过仿真研究了移动因特网网络层的硬切换和半软切换在泊松和自相似流量下的切换损失率 ,其中自相似流量下的切换损失率研究尚属首次 仿真数据表明 ,对于泊松和自相似流量 ,半软切换可以提供比硬切换更低的切换损失率 在网络负载均值和切换算法相同的情况下 ,自相似流量下的切换损失率要明显低于传统泊松流量 。

基于预测的JavaScript类型系统研究

随着互联网和万维网的流行以及JavaScript在Web浏览器中的作用越来越重要,对JavaScript程序的执行行为的研究将有利于提高浏览器的性能,改善用户的体验.传统的研究认为JavaScript语言的动态性是其性能的主要瓶颈,因此大部分主流的JavaScript执行引擎都将优化集中在其动态性的处理上.为了更深入的研究JavaScript程序的动态性,提出了两种算法:类型预测算法和基于位置的内联缓存算法,分别用于处理JavaScript程序中元数据和对象的类型.以这些算法为基础,在SunSpider测试程序集上系统地研究了JavaScript的类型系统.实验表明,算法平均能够正确识别或者预测99%的类型实例,因此可以认为,尽管JavaScript语言提供了丰富的动态性,实际的应用程序所使用到的动态行为是有限的.这是已知文献中首次提出类似的观点.

主成分线性回归模型分析应用程序性能

应用程序的性能分析能够给体系架构设计者和性能优化者提供有效的参考和指导.采用主成分线性回归模型分析了SPEC CPU2006的整型程序性能.模型选取性能监测单元采样到的事件为自变量,每条指令的时钟周期数(CPI)作为因变量.模型中采用主成分分析法消除了性能事件之间的相关性.实验结果表明,模型的拟合优度在90%以上,对性能进行预测的平均相对误差为15%.模型从量化上分析了L1,L2高速缓存缺失作为影响性能的关键因素是怎样影响程序性能的.

基于图划分的全基因组并行拼接算法

提出了一种基于图划分的全基因组并行拼接算法·该算法巧妙地将数据划分问题转化成图划分的问题,解决了传统数据划分算法中存在的节点负载不平衡的问题·同时,算法在建立关系图时有效地利用了WGS测序中所提供reads之间的长度信息和配对信息,使reads关系图能更准确地反映出数据之间的关系特性,从而提高了数据划分的准确性·实验结果表明,该算法可以准确地划分各种模拟数据、真实数据的数据集,相对于传统数据划分算法划分质量有了明显改善·

MIMO MLD物理层抽象技术

物理层抽象的目的是对实时无线信道质量进行预测。对MIMO系统的物理层抽象算法的研究表明,EESM算法能够准确地估计使用MMSE检测的MIMO系统的无线信道质量;但是对于MLD,EESM完全不能工作。针对EESM的不足,基于信息论原理,提出了RBIR物理层抽象算法。WiMAXIIDL环境下的仿真结果显示,RBIR物理层抽象算法极大改善了MIMOMLD物理层抽象的准确性。

基于非线性回归方程偏导数分析应用程序性能敏感度的方法

性能敏感度反映了应用程序性能相对于性能影响因素的变化率,对性能敏感度的量化分析可为体系结构设计和程序性能优化提供有意义的参考和指导.提出了一种分析程序性能敏感度的非线性回归模型(PS-NLRM),能够量化不同应用程序的性能敏感度.通过主成分分析消除了影响性能的性能事件之间的相关性,通过曲线拟合引入非线性项,建立了程序性能CPI和性能事件之间的非线性回归方程.模型应用在SPEC CPU2006整型程序之上,通过了t检验和F检验,达到90%以上的拟合度.基于非线性回归方程相对于性能事件的偏导数,得到不同应用程序的性能对性能事件的敏感度.利用性能敏感度对SPEC CPU2006整型程序性能进行预测的平均相对误差约为4.5%,比传统线性回归模型预测误差下降50%.

多天线系统中有限反馈的码本设计

在多天线无线通信系统中,发射机利用来自接收机有限反馈的信道方向信息,能够提高系统容量和降低误码率.有限反馈的关键是码本设计,本文综述了近年来这一领域的研究成果.码本设计主要包括基于Grassmann流形中子空间包和基于信源编码中向量量化的两种方案,涉及对象包括不同类型的多天线信道和发射数据流模式.详细介绍了这两种方案的原理和相应算法,并比较了它们的异同点.

基于平均互信息量的物理层抽象算法

针对物理层抽象技术缺乏理论模型以及等效指数信噪比映射(EESM)物理层抽象算法依赖调整参数和通用性较差的缺点,依据信息论、信号检测和概率理论,提出了物理层抽象的概率模型,并据此推导得出基于平均互信息量的物理层抽象算法——块平均接收信息率(RBIR)算法。基于采用MIMO-OFDM技术和最小均方误差(MMSE)检测算法的WiMaxⅡ系统的仿真结果表明,对于ITU PedB 3kmph和ITU VA 30kmph信道模型、多种调制编码方式,该算法都能够获得与EESM算法相当的性能,并且不需要相关的调整参数,从而使得该算法更具一般性,能够较容易地扩展到不同的无线通信系统中,实现物理层抽象。该算法的有效性进一步验证了本文提出的物理层抽象概率模型。

一种基于块平均互信息率的物理层抽象算法

物理层抽象是评估即时无线信道质量的主要技术,其算法性能直接影响无线系统分析与仿真的结果。传统的物理层抽象以平均信噪比作为无线信道质量的表征,对无线信道质量进行评估。本文提出一种基于块平均互信息率的物理层抽象算法,利用平均互信息量作为无线信道质量的表征,提高物理层抽象算法的性能。在本文的算法中,首先计算无线资源块所有子载波的平均互信息量,然后得到即时的无线信道质量。仿真结果表明,在Wi MaxⅡDL环境下,对于40%ITUPedA3 km.h-1-40%ITUPedB3 km.h-1-20%ITU VA30 km.h-1混合信道模型、多种调制编码格式以及ML和MMSE检测,本文提出的算法能够更精确地预测无线信道质量。

闭环无线系统中基于向量空间分布的码本设计

无线传输系统中，发射机利用来自接收机反馈的信道信息，构成闭环无线系统．闭环无线系统的关键是反馈方案的设计，而反馈的关键是优化的码本设计，能在给定反馈复杂度的基础上进一步提高无线传输性能．本文分析了这一领域的研究进展，提出基于向量空间分布的有限反馈码本，分析了这种码本的原理和相应算法，并比较了它与现有码本在闭环无线系统中的传输性能．仿真结果表明，相比于现有的码本，本文提出的“基于向量空间分布的码本”能够获得更低的无线传输差错概率及更高的信道容量，将无线系统的传输性能提高1～2dB．

利用无监督自适应的兴奋解说检测和体育比赛精彩片断提取

提出一种通过兴奋解说检测进行体育比赛精彩片断提取的方法。该方法包括训练和检测两个阶段:在训练中,基于训练数据对兴奋语音和普通语音分别建立高斯混合模型GMM(Gaussian Mixture Model),构成初始的分类器;在集外检测中,首先使用最大后验方法MAP(Maximum A Posteriori),基于测试数据对初始模型进行无监督自适应,进而利用更新后模型构成分类器识别体育解说的兴奋部分,经进一步处理得到精彩片断。将该方法用于足球比赛视频,实验表明,该方法能够召回87%的进球。引入无监督自适应有效地减少了由干训练数据与测试数据失配造成的性能下降,提高了兴奋解说检测和精彩片段提取的性能。

基于S-LISSOM模型的人脸识别方法

提出了一种利用视皮层认知模型识别人脸的方法。该方法建立一种简化的感受野切片连接自组织映射简化模型(S LISSOM),模拟人脸图像在大脑视皮层的映射特征,作为隐马尔可夫模型(HMM)的观测向量进行人脸识别。实验结果同其他特征的人脸识别方法进行了比较,该方法更加有效的提取的人脸特征,提高了人脸识别率。

人工智能关键技术决定机器人未来

目前的机器人已经能够胜任精确、重复性的工作，但很多时候，它还不能够灵活地为新任务进行自我调整，也不能应付一个不熟悉的或不确定的情景。不过，这些情况都在发生改变，机器人正在变得更加智能。我们不禁要问，让机器人实现智能的关键技术到底是什么？这些技术在最近十年会发展到什么程度？整个产业的应用前景将会如何？

首届企业研究院高峰论坛观点摘登 提升企业研发能力 增强企业核心竞争力

1998年,微软在北京设立了微软研究院,掀起了外企、国企,甚至民营企业创建企业研究院的热潮。未曾几年,企业研究院已经成为企业创新的发源地和人才的聚集地。企业研究院的兴起,为我国高技术产业的发展,为提升企业的核心竞争力做出了重要贡献,也为我国的科技体制改革提供了新的思路和启发。为保持企业研究院旺盛的生命力,研讨未来发展,今年1月,由联想研究院、微软亚洲研究院联合主办了"首届企业研究院高峰论坛"。科技部火炬高技术产业开发中心主任张玉海,以及微软亚洲研究院院长张亚勤、英特尔中国研究中心主任刘钦华、联想研究院院长贺志强、北大方正技术研究院院长陈晓鸥、春兰集团研究院院长沈健出席了论坛,并作了发言。本刊从中撷取其中精彩片段,以飨读者。

新兴多核工作负载访存行为的定量分析

工作负载分析是片上多处理器末级缓存设计的关键先导工作。分析了一组访存密集型多线程RMS(recognition-mining-synthesis)工作负载工作集大小、数据共享行为和空间局部性等访存行为,研究了末级缓存的设计空间,探讨了未来片上多处理器的缓存体系结构设计。实验结果表明:大容量DRAM缓存有助于满足这组负载的大工作集对缓存容量的需求,使用128MB DRAM缓存比不使用时平均可以减少18%的L1缓存缺失延迟;共享缓存设计比私有设计性能更好,8MB的共享缓存可以比相同总容量的私有缓存提高25%的缓存性能;基于步长的硬件数据预取机制可以提高25%的性能。因此,对于访存密集型RMS负载,宜采用一个128MB的DRAM缓存、一个8MB片上SRAM缓存,结合一个8表项的流式预取器,构成缓存子系统。